Analisis Sentimen Terhadap Ulasan Game Mobile Legend di Playstore menggunakan Algoritma Logistic Regression

Wildan Anwarul  Ma’arif; Sarwido  Sarwido; Teguh  Tamrin

Authors

Wildan Anwarul Ma’arif Universitas Islam Nahdlatul Ulama Jepara
Sarwido Universitas Islam Nahdlatul Ulama Jepara
Teguh Tamrin Universitas Islam Nahdlatul Ulama Jepara

Keywords:

Analisis Sentimen, Logistic Regression, Mobile Legends, Text Mining

Abstract

Meningkatnya jumlah ulasan pengguna aplikasi Mobile Legends di Google Play Store, yang mewakili opini dan pengalaman pemain, merupakan pendorong utama penelitian ini. Tujuan penelitian ini adalah untuk menerapkan algoritma Regresi Logistik untuk menguji sentimen pengguna terhadap game tersebut. Langkah-langkah pra-pemrosesan, ekstraksi fitur dengan TF-IDF, dan pemodelan klasifikasi merupakan bagian dari strategi penambangan data yang memanfaatkan alat penambangan teks. Berdasarkan peringkat, 1.000 ulasan dibagi menjadi tiga kategori: netral, negatif, dan positif. Menurut temuan, model Regresi Logistik mencapai akurasi 0,79, berkinerja terbaik pada sentimen negatif dan cukup baik pada sentimen positif. Namun, karena ketidakseimbangan data, model tersebut tidak mampu mendeteksi sentimen netral. Penelitian ini menyimpulkan bahwa Logistic Regression cukup efektif dalam analisis sentimen teks, namun masih memiliki keterbatasan dalam menangani data tidak seimbang dan konteks bahasa yang kompleks.

Downloads

Download data is not yet available.

References

D. Sinaga and C. Jatmoko, “Analisis Sentimen Untuk Mengetahui Kesan Player Game Mobile Legends Menggunakan Naïve Bayes Classifier,” in “engembangan Sumber Daya Menuju Masyarakat Madani Berkearifan Lokal, 2020, pp. 540–547.

S. Mujilahwati and M. A. Ubaydillah, “Analisis Sentimen Berbasis Aspek pada Ulasan Game Mobile Legends dengan Pendekatan Decision Tree untuk Evaluasi Pengalaman Pengguna,” J. Pendidik. dan Teknol. Indones., vol. 4, no. 11, pp. 325–333, Dec. 2024.

F. Herlando, M. Al Aziiz, M. J. Palepa, R. Q. Rohmansa, and J. Teknik Informatika, “Analisis Sentimen Aplikasi Mobile Legends : Bang Bang Menggunakan Latent Dirichlet Allocation,” J. Tek. Elektro dan Inform., vol. 19, no. 1, pp. 1–6, 2024.

Y. P. Jauhari and S. Maesaroh, “Analisis Sentimen Terhadap Ulasan Game Mobile Legends di Google Playstore menggunakan Algoritma Naive Bayes Classifier,” J. Indones., vol. 1, no. 11, pp. 1–10, 2022.

F. Rizal, A. Wijaya, and F. Hasyim, “Analisis Sentimen Masyarakat Indonesia Terhadap Aplikasi TikTok Menggunakan Algoritma Logistic Regression,” J. homepage AKIRATECH J. Comput. Electr. Eng., vol. 1, no. 2, pp. 57–65, 2024.

P. G. Yehova, Jessica, and M. I. Jambak, “Perbandingan Metode Naïve Bayes Dan Svm Pada Ulasan Google Playstore Mobile Legends: Bang Bang,” J. DEVICE, vol. 14, no. 1, pp. 140–149, 2024.

S. G. Alengka, J. L. Putra, and T. Setiyorini, “Analisis Sentimen Ulasan Mobile Legend Menggunakan Algoritma Naive Bayes, SVM, Logistic Regression,” Algoritm. J. Mhs. Tek. Inform., vol. 6, no. 1, pp. 175–185, 2025.

Suhliyyah, H. H. Handayani, and K. A. Baihaqi, “Implementation of Logistic Regression Algorithm for Classification of Stroke,” Syntax J. Inform., vol. 12, no. 1, pp. 1–10, 2023.

A. O. K. Adi, F. P. Gusti, and F. Wijaya, “Analisis Sentimen Ulasan Pengguna Aplikasi Mobile Legends Pada Google Playstore Menggunakan Naïve Bayes,” Semin. Nas. Teknol. Sains, vol. 4, no. 1, pp. 56–62, 2025.

H. A. Zikirlah, I. Paula, M. Fazilla, R. Annisa, and L. A. Fitriana, “Perbandingan Kinerja Naïve Bayes, Support Vector Machine, dan K-Nearest Neighbor dalam Analisis Sentimen Mobile Legends,” TAMIKA J. Tugas Akhir Manaj. Inform. Komputerisasi Akunt., vol. 5, no. 2, pp. 1–10, 2025.

H. Ikram, M. A. Hasibuan, H. Rianda, A. Fahriza, S. Suryadi, and R. Suhendra, “Implementasi Metode Klasifikasi Naïve Bayes Pada Analisis Sentimen Ulasan Aplikasi Mobile Legends Di Google Play Store,” J. Teknol. dan Otomasi, vol. 1, no. 1, pp. 1–10, 2024.

T. D. R. Jati, S. Baco, and N. P. Husain, “Penerapan Algoritma Naïve Bayes Pada Analisis Sentimen Pengguna Game Mobile Legends Di Google Play Store,” J. Ilmu Komput. Dan Teknol. Inf., vol. 2, no. 1, pp. 208–214, 2025.

M. F. Al Kautsar, “Analisis sentimen ulasan aplikasi recharge di google play store menggunakan model word2vec skip-gram dan long short-term memory dengan optimasi hyperparameter tree-structured parzen estimator,” UIN Syarif Hidayatullah Jakarta, 2025.

F. D. Pramakrisna, F. D. Adhinata, and N. A. F. Tanjung, “Aplikasi Klasifikasi SMS Berbasis Web Menggunakan Algoritma Logistic Regression,” Komikus, vol. 1, no. 1, pp. 1–12, 2023.

E. R. Lidinillah, T. Rohana, and A. R. Juwita, “Analisis sentimen twitter terhadap steam menggunakan algoritma logistic regression dan support vector machine,” TEKNOSAINS J. Sains Teknol. dan Inform., vol. 10, no. 2, pp. 154–164, 2023.

N. F. Basri and E. Utami, “Application of Word2Vec and LSTM Models in Sentiment Analysis of Mobile Legends User Reviews,” J. Sist., vol. 14, no. 2, pp. 1–13, 2025.

Z. Y. Burnama, M. A. Rosid, and N. L. Azizah, “Sentiment Analysis on YouTube Comments in MPL Season 13 Tournament Using Ensemble Machine Learning Method,” TeIKa Oct., vol. 14, no. 2, pp. 1–14, 2024.

N. Ardilah, R. Anisa, A. Nurseha, and F. A. A. Jauharudin, “Implementasi Metode Yanbu’a Untuk Meningkatkan Hasil Belajar Baca Al-Qur’an di SMP Negeri 2 Jalancagak,” J. Pendidik. Tambusai, vol. 7, no. 3, 2023.