Penerapan Fitur Ekstraksi TF-IDF untuk Analisis Sentimen Ulasan Game Bus Simulator Indonesia dengan Algoritma Naive Bayes

Abstract

Di era digital saat ini, permainan video khususnya game simulasi telah menjadi hiburan yang sangat populer di berbagai kalangan. Bus Simulator Indonesia juga menawarkan pengalaman bermain yang autentik dengan mempersembahkan detail-detail khas Indonesia, mulai dari lingkungan sekitar hingga perilaku lalu lintas yang serupa dengan kondisi di negara ini. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap BUSSID dengan menggunakan ekstraksi fitur TF-IDF dan algoritma Naive Bayes. Kesulitan dalam melakukan pembobotan dengan TF-IDF Vectorizer termasuk memahami konsep TF dan IDF serta menangani teks yang tidak biasa seperti Bahasa non-standar atau singkatan. Analisis dilakukan dengan menguji lima variasi pembagian data yang berbeda untuk menentukan akurasi tertinggi dan terendah dari model Multinomial Naive Bayes setelah menggunakan fitur TF-IDF. Berdasarkan hasil pengujian manual dengan 5 variasi data latih dan uji menunjukkan bahwa model Multinomial Naïve Bayes memberikan akurasi tertinggi sebesar 85% pada variasi 90%:10%, dengan nilai precision, recall, dan F1-score yang konsisten. Variasi lainnya menunjukkan akurasi sedikit lebih rendah, antara 82% hingga 84%, namun tetap menunjukkan kinerja model yang baik. Hasil ini memberikan gambaran yang jelas tentang efektivitas model Naive Bayes dalam menganalisis sentimen ulasan pengguna setelah penerapan pembobotan TF-IDF.