Pertumbuhan pengguna Roblox yang pesat, jumlah ulasan yang diterima juga
terus meningkat, menciptakan potensi variasi sentimen di dalamnya. Tujuan
penelitian ini adalah untuk mengetahui cara menganalisis sentimen dari ulasan
pengguna pada game Roblox dan untuk mengetahui hasil perbandingan performa
klasifikasi dengan menggunakan metode Support Vector Machine Dan Naive
Bayes dalam menganalisis sentimen ulasan pengguna pada game Roblox. Data
yang digunakan pada penelitian ini berjumlah sebanyak 10000 record data ulasan
yang di ambil pada tanggal 15 Juni 2024. Hasil yang di peroleh dalam
menganalisis sentimen data ulasan pada aplikasi Roblox cenderung mendapatkan
sentimen positif dengan persentase 65,06% sedangkan untuk sentimen negatif
dengan persentase 34,94%. Support Vector Machine merupakan algoritma terbaik
dalam menganalisis sentimen data ulasan pada aplikasi Roblox dengan tingkat
akurasi yang paling tinggi pada perbandingan data 90:10 yaitu 90 %, untuk
precision, recall, dan f1-score yang dihasilkan pada sentimen negatif yaitu 88%,
85%, dan 86%, sedangkan pada sentimen positif adalah 91%, 93%, dan 92%.
Algoritma Naïve Bayes mendapatkan tingkat akurasi yang paling tinggi pada
perbandingan data 90:10 yaitu 72,4%, untuk precision, recall, dan f1-score yang
dihasilkan pada sentimen negatif yaitu 88%, 34%, dan 49%, sedangkan pada
sentimen positif adalah 70%, 97%, dan 81%.