ANALISIS SENTIMEN ULASAN FREE FIRE MENGGUNAKAN NAIVE BAYES LOGISTIC REGRESSION

Abstraksi Penelitian ini dilatarbelakangi oleh meningkatnya volume ulasan pengguna game Free Fire di Google Play Store yang berpotensi menjadi sumber evaluasi penting bagi pengembang, namun memiliki permasalahan ketidakseimbangan kelas sentimen. Tujuan penelitian adalah membandingkan kinerja algoritma Naïve Bayes dan Logistic Regression dalam analisis sentimen ulasan berbahasa Indonesia. Dataset terdiri dari 12.574 ulasan periode Januari 2024–Juni 2025 yang dikumpulkan melalui web scraping dan diberi label biner berdasarkan rating bintang, dengan dominasi sentimen positif sebesar 86,8%. Proses praproses meliputi case folding, normalisasi emoji dan URL, penghapusan stopword bertema game, stemming bahasa Indonesia, serta ekstraksi fitur TF-IDF n-gram (1,2) yang dioptimalkan menggunakan GridSearchCV 10-fold. Evaluasi difokuskan pada akurasi, precision, recall, dan F1-score untuk mengakomodasi ketidakseimbangan kelas. Hasil menunjukkan Logistic Regression unggul dengan akurasi 81,63% dan F1-score 87,91%, sedangkan Naïve Bayes memiliki recall tinggi namun akurasi lebih rendah. Temuan ini menegaskan efektivitas Logistic Regression untuk analisis sentimen ulasan game skala besar di Indonesia.