International Journal of Engineering, Technology and Natural Sciences E-ISSN : 2685-3191 | P-ISSN: 2775-7706 Vol 4 No 1 (2022) 1 Analisis Sentimen Ulasan Aplikasi Game AOV di Play Store Menggunakan Rapidminer dan Algoritma Naïve Bayes Rafiqi Almaudy 1 , Anna Dina Kalifia 2 1 Program Studi Sains Data, Fakultas Sains dan Teknologi Universitas Teknologi Yogyakarta, Sleman, Daerah Istimewa Yogyakarta, Indonesia 1 rafikialmaudi@gmail.com, 2 anna.dina.kalifia@staff.uty.ac.id Abstract This research aims to analyze user sentiment towards the "Arena of Valor" game application on the Play Store using a sentiment analysis method that combines TF-IDF and Naive Bayes classification algorithm. Through the RapidMiner platform, user review data is extracted and analyzed to identify key words that characterize user sentiments. The analysis highlights words such as "game," "network," and "good" as the main focus, providing a deep understanding of gaming aspects, network quality, and overall user satisfaction. Wordcloud and pie chart visualizations are employed to illustrate the proportion and distribution of sentiments, while the Naive Bayes algorithm achieves 100% accuracy in classifying reviews. This research provides a comprehensive insight into user sentiments, laying the foundation for application development and improvement to enhance the overall user experience. Abstrak Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengguna terhadap aplikasi game "Arena of Valor" di Play Store menggunakan metode analisis sentimen yang menggabungkan TF-IDF dan algoritma klasifikasi Naive Bayes. Melalui platform RapidMiner, data ulasan pengguna diekstrak dan dianalisis untuk mengidentifikasi kata-kata kunci yang mencirikan pandangan pengguna. Hasil analisis menyoroti kata-kata seperti "game", "jaringan", dan "bagus" sebagai fokus utama, memberikan pemahaman mendalam tentang aspek kegamean, kualitas jaringan, dan kepuasan pengguna secara umum. Visualisasi wordcloud dan pie chart digunakan untuk memvisualisasikan proporsi dan distribusi sentimen, sedangkan algoritma Naive Bayes memberikan akurasi 100% dalam mengklasifikasikan ulasan. Penelitian ini memberikan wawasan komprehensif tentang sentimen pengguna, memberikan landasan untuk pengembangan dan perbaikan aplikasi guna meningkatkan pengalaman pengguna secara keseluruhan. Keywords : Sentiment Analysis, User Reviews, Play Store, Arena of Valor, TF-IDF, Naive Bayes, RapidMiner, Classification Algorithm I. PENDAHULUAN Dalam konteks perubahan dinamis dalam perilaku konsumen dan interaksi digital, penelitian yang fokus pada analisis sentimen ulasan pengguna terhadap aplikasi game memiliki relevansi yang signifikan. Jurnal ini, berjudul "Analisis Sentimen Ulasan Aplikasi Game Arena Of Valor di Play Store Menggunakan TF-IDF dan Algoritma Naïve Bayes," bertujuan untuk mengeksplorasi pandangan, penilaian, dan respons pengguna terhadap salah satu aplikasi game paling populer, yaitu Arena Of Valor, yang tersedia di platform Play Store. Dengan memanfaatkan metode TF-IDF (Term Frequency-Inverse Document Frequency) dan algoritma Naïve Bayes, penelitian ini mengusung upaya untuk memahami sentimen yang terkandung dalam ulasan pengguna secara lebih mendalam. Pendekatan ini memberikan landasan untuk menganalisis pola pikir, preferensi, serta pandangan pengguna terhadap aplikasi game yang menjadi fokus kajian. Keseluruhan penelitian ini diharapkan dapat memberikan wawasan yang kaya dan mendalam tentang dinamika interaksi antara pengguna dan aplikasi game modern dalam ekosistem digital yang terus berkembang. Ulasan yang tersebar luas di platform Play Store memuat beragam informasi yang mencakup pengalaman positif, kekecewaan, hingga saran perbaikan. Dengan algoritma Naïve Bayes yang dioperasikan melalui perangkat lunak RapidMiner, penelitian ini secara sistematis menelusuri dan menganalisis pola sentimen yang tersemat dalam setiap ulasan. Proses analisis sentimen dilakukan dengan mengurai kata-kata dan kalimat yang digunakan pengguna, memetakannya ke dalam kategori positif, negatif, atau netral. Melalui pemahaman mendalam terhadap konten- konten ulasan ini, peneliti dapat mengidentifikasi keluhan yang sering muncul, kecenderungan preferensi pengguna, serta aspek-aspek yang paling disukai atau kurang memuaskan dari aplikasi game tersebut. Hasil dari