ANALISIS SENTIMEN DAN KLASIFIKASI ULASAN PENGGUNA APLIKASI ROBLOX DI GOOGLE PLAY MENGGUNAKAN ALGORITMA NAIVE BAYESNabil Rafii SetyaNugrahaauthorAplikasi Roblox merupakan salah satu platform permainan daring yang memiliki jumlah pengguna sangat besar dan aktif, sehingga ulasan pengguna di Google Play Store menjadi sumber informasi penting untuk mengetahui tingkat kepuasan, keluhan, serta persepsi pengguna terhadap kualitas aplikasi. Namun, banyaknya ulasan yang bersifat bebas dan tidak terstruktur menyebabkan pengembang maupun pihak terkait kesulitan dalam menganalisis opini pengguna secara manual, yang dapat berdampak pada lambatnya pengambilan keputusan dalam peningkatan kualitas layanan dan pengalaman pengguna. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis sentimen dan klasifikasi ulasan pengguna aplikasi Roblox di Google Play Store menggunakan algoritma Multinomial Naive Bayes dan Complement Naive Bayes. Metode penelitian yang digunakan meliputi pengumpulan data ulasan, tahap praproses teks seperti case folding, tokenizing, stopword removal, dan stemming, kemudian dilanjutkan dengan pembobotan kata menggunakan TF-IDF serta proses pelatihan dan pengujian model klasifikasi. Hasil penelitian menunjukkan bahwa kedua algoritma mampu mengklasifikasikan sentimen ulasan pengguna ke dalam kategori positif, negatif dan netral dengan performa yang baik, di mana algoritma Complement Naive Bayes menunjukkan hasil yang lebih optimal dalam menangani ketidakseimbangan data dibandingkan Multinomial Naive Bayes. Penelitian ini diharapkan dapat dimanfaatkan oleh pengembang aplikasi, peneliti, dan pihak terkait sebagai bahan evaluasi kualitas aplikasi serta sebagai referensi dalam pengembangan sistem analisis sentimen berbasis pembelajaran mesin di masa mendatang.000 Ilmu komputer, informasi dan pekerjaan umum005 Pemrograman komputer, program dan data2026-02-19Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis