ASPECT BASED SENTIMENT ANALYSIS TERHADAP ULASAN GAME BUATAN DEVELOPER INDONESIA DI STEAM MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION

Abstract

Industri game Indonesia di platform Steam berkembang pesat. Namun, besarnya volume ulasan menyulitkan pengembang dalam mengevaluasi kekuatan dan kelemahan produk secara manual. Penelitian ini bertujuan memetakan opini pengguna global terhadap lima aspek utama (Story, Gameplay, Graphics, Music, dan Performance) pada game lokal. Metode yang digunakan adalah Aspect-Based Sentiment Analysis (ABSA) yang mengekstraksi 3.046 ulasan mentah menjadi 7.175 pasangan aspek-opini. Klasifikasi sentimen dilakukan menggunakan algoritma Logistic Regression dengan pembobotan TF-IDF dan penyeimbangan kelas. Hasil pengujian menunjukkan model mencapai tingkat akurasi sebesar 84,17%. Analisis sentimen membuktikan daya saing utama game lokal berada pada estetika dan narasi, dengan sentimen positif tertinggi pada aspek Graphics (77,4%), Music (74,7%), dan Story (71,7%). Sebaliknya, aspek Performance menjadi kelemahan krusial dengan 63,4% sentimen negatif akibat kendala teknis. Temuan ini memberikan evaluasi teknis yang konkret bagi pengembang untuk memprioritaskan perbaikan guna meningkatkan daya saing internasional