Analisis Sentimen Ulasan Pengguna Mobile Legends di Google Play Store menggunakan Naïve Bayes dan KNN
DOI:
https://doi.org/10.30865/json.v7i2.9113Keywords:
Google Play Store; K-Nearest Neighbors; Mobile Legends; Naïve Bayes; Analisis SentimenAbstract
Mobile Legends merupakan salah satu game mobile populer dengan jumlah unduhan tinggi dan ribuan ulasan pengguna di Google Play Store. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna berbahasa Indonesia menggunakan algoritma Naïve Bayes dan K-Nearest Neighbors (KNN). Sebanyak 4.000 data ulasan dikumpulkan melalui teknik web scraping dan diproses melalui tahapan cleaning, tokenization, stopword removal, serta stemming. Data kemudian diklasifikasikan ke dalam dua sentimen, yaitu positif dan negatif. Evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, F1-score, dan Cross Validation. Hasil menunjukkan bahwa algoritma Naïve Bayes memiliki performa yang lebih stabil, sedangkan KNN lebih unggul dalam mengenali kemiripan pola kata. Penelitian ini memberikan wawasan terhadap persepsi pengguna serta dapat menjadi acuan bagi pengembang dalam meningkatkan kualitas layanan game Mobile Legends.
References
M. B. Prayogi dan G. Masitoh, “Analisis Sentimen Ulasan Pengguna Aplikasi Alfagift Menggunakan Random Forest,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 10, no. 2, hal. 158–170, 2025, doi: 10.14421/jiska.2025.10.2.158-170.
T. Ramadha Triputra dan A. Rubhasy, “ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI FACEBOOK DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, hal. 4607–4615, Mei 2025, doi: 10.36040/jati.v9i3.13403.
D. Mualfah, A. Prihatin, R. Firdaus, dan Sunanto, “Analisis Sentimen Masyarakat Terhadap Kasus Pembobolan Data Nasabah Bank BSI Pada Twitter Menggunakan Metode Random Forest Dan Naïve Bayes,” J. Fasilkom, vol. 13, no. 3, hal. 614–620, 2024, doi: 10.37859/jf.v13i3.6478.
M. J. Palepa, N. Pratiwi, dan R. Q. Rohmansa, “Analisis Sentimen Masyarakat Tentang Pengaruh Politik Identitas Pada Pemilu 2024 Terhadap Toleransi Beragama Menggunakan Metode K - Nearest Neighbor,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 1, hal. 389–401, 2024, doi: 10.29100/jipi.v9i1.4957.
S. N. S. Muslim, F. Nurdiyansyah, dan A. Y. Rahman, “PERBANDINGAN ALGORITMA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI CAPCUT,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3S1, hal. 3588–3596, Okt 2024, doi: 10.23960/jitet.v12i3S1.5156.
S. Aulia dan I. Ismail, “ANALISIS SENTIMEN ULASAN PENGGUNA APLIKASI OJOL THE GAME MENGGUNAKAN ALGORITMA NAÏVE BAYES,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 3, Agu 2024, doi: 10.23960/jitet.v12i3.5144.
R. N. Satrya, “Analisis Sentimen Terhadap Cryptocurrency Pada Platform Twitter Menggunakan Algoritma Support Vector Machine (Svm),” KONSTELASI Konvergensi Teknol. dan Sist. Informasi, vol. 4, no. 1, 2023., vol. 33, no. 1, hal. 1–12, 2023, doi: 10.70247/jumistik.v4i1.152.
A. Baita, Yoga Pristyanto, dan Nuri Cahyono, “Analisis Sentimen Mengenai Vaksin Sinovac Menggunakan Algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN),” Inf. Syst. J., vol. 4, no. 2, hal. 42–46, 2021, doi: 10.24076/infosjournal.2021v4i2.687.
S. N. Salombe, S. Alam, dan V. Aris, “Analisis Sentimen Ulasan Netizen Pada Aplikasi Disney + Hotstar Di Aplikasi Google Play Store Menggunakan Machine Learning,” vol. 5, hal. 5968–5977, 2025, doi: https://doi.org/10.31004/innovative.v5i1.15846.
R. Damanhuri dan V. A. Husein, “Analisis Sentimen pada Ulasan Aplikasi Access by KAI Berbahasa Indonesia Menggunakan Word-Embedding dan Classical Machine Learning,” J. Masy. Inform., vol. 15, no. 2, hal. 97–106, 2024, doi: 10.14710/jmasif.15.2.62383.
I. D. Nugrayani, M. Hafid, dan D. Irmayanti, “Analisis Sentimen Terhadap Pemindahan Ibu Kota Negara (IKN) Pada Platform Twitter Menggunakan Metode Naive Bayes,” J. Apl. dan Teor. Ilmu Komput., vol. 6, no. 2, hal. 91–96, Apr 2025, doi: 10.17509/jatikom.v6i2.49105.
N. Alvionika, S. Faisal, R. Rahmat, dan A. F. N. Masruriyah, “Analisis Sentimen Pada Komentar Instagram Provider By.U Menggunakan Metode K-Nearest Neighbors (KNN),” J. Algoritm., vol. 21, no. 2, hal. 50–63, 2024, doi: 10.33364/algoritma/v.21-2.1672.
K. Mustaqim, F. A. Amaresti, dan I. N. Dewi, “Analisis Sentimen Ulasan Aplikasi PosPay untuk Meningkatkan Kepuasan Pengguna dengan Metode K-Nearest Neighbor (KNN),” Edumatic J. Pendidik. Inform., vol. 8, no. 1, hal. 11–20, 2024, doi: 10.29408/edumatic.v8i1.24779.
N. Aditiya, P. Setiaji, dan S. Supriyono, “Sentiment Analysis of Public Satisfaction with the ‘INFO BMKG’ Application using Naive Bayes, SVM, and KNN,” SISTEMASI, vol. 14, no. 3, hal. 1418, Mei 2025, doi: 10.32520/stmsi.v14i3.5223.
D. Audina dkk., “TOMORO COFFEE MENGGUNAKAN ALGORITMA NAÏVE BAYES,” vol. 8, no. 1, hal. 112–121, 2025, doi: https://doi.org/10.36595/jire.v8i1.
T. Wiratama Putra, A. Triayudi, dan A. Andrianingsih, “Analisis Sentimen Pembelajaran Daring Menggunakan Metode Naïve Bayes, KNN, dan Decision Tree,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 1, hal. 20–26, 2022, doi: 10.35870/jtik.v6i1.368.
I. H. Kusuma dan N. Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 8, no. 3, hal. 302–307, 2023, doi: 10.30591/jpit.v8i3.5734.
R. Merdiansah, S. Siska, dan A. Ali Ridha, “Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT,” J. Ilmu Komput. dan Sist. Inf., vol. 7, no. 1, hal. 221–228, 2024, doi: 10.55338/jikomsi.v7i1.2895.
A. D. Adhi Putra, “Analisis Sentimen pada Ulasan pengguna Aplikasi Bibit Dan Bareksa dengan Algoritma KNN,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 2, hal. 636–646, 2021, doi: 10.35957/jatisi.v8i2.962.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Sistem Komputer dan Informatika (JSON)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
