%0 Thesis
%9 S1 - Sarjana
%A Yulianto, Ahnaf Muzaki
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2026
%F universitasamikomyogyakarta:32099
%I Universitas AMIKOM Yogyakarta
%K Analisis Sentimen, Naïve Bayes, Roblox, TF-IDF, SMOTE, Sentiment Analysis.
%T ANALISIS SENTIMEN PENGGUNA PLATFORM X  TERHADAP GAME ROBLOX DI INDONESIA   MENGGUNAKAN ALGORITMA NAIVE BAYES
%U https://eprints.amikom.ac.id/id/eprint/32099/
%X Penelitian ini bertujuan untuk menganalisis sentimen pengguna Platform X  terhadap game Roblox di Indonesia serta membandingkan kinerja tiga turunan  algoritma Naive Bayes, yaitu Multinomial Naive Bayes, Bernoulli Naive Bayes,  dan Gaussian Naive Bayes. Data yang digunakan berupa komentar pengguna  Platform X yang telah melalui proses pra-pemrosesan teks dan diklasifikasikan ke  dalam dua kelas sentimen, yaitu positif dan negatif. Representasi fitur dilakukan  menggunakan metode TF-IDF, serta diterapkan teknik Synthetic Minority Oversampling  Technique  (SMOTE)  untuk mengatasi  ketidakseimbangan  kelas.    Hasil    analisis sentimen menunjukkan bahwa sentimen positif lebih  dominan dibandingkan sentimen negatif, dengan jumlah 832 data sentimen positif  dan 613 data sentimen negatif. Hal ini mengindikasikan bahwa mayoritas  pengguna Platform X di Indonesia memberikan tanggapan yang cenderung positif  terhadap game Roblox.  Berdasarkan hasil evaluasi kinerja model, Multinomial Naive Bayes  menunjukkan performa terbaik dengan nilai akurasi sebesar 0,885, presisi 0,952,  recall 0,843, F1-score 0,895, dan AUC sebesar 0,967. Bernoulli Naive Bayes juga  menunjukkan performa yang kompetitif dengan akurasi 0,882 dan AUC 0,967,  sementara Gaussian Naive Bayes memiliki performa yang relatif lebih rendah  dibandingkan dua model lainnya. Dengan demikian, dapat disimpulkan bahwa  Multinomial Naive Bayes merupakan model yang paling optimal untuk klasifikasi  sentimen pengguna Platform X terhadap game Roblox berbasis representasi fitur  TF-IDF.