Implementasi Algoritma Naïve Bayes untuk Analisis Sentimen Pembelian Robux pada Media Sosial X
DOI:
https://doi.org/10.30998/vhapsr84Keywords:
Roblox, Robux, Text Mining, Naïve Bayes, Analisis SentimenAbstract
Perkembangan industri game online telah mendorong terbentuknya ekosistem ekonomi virtual yang memungkinkan pengguna melakukan berbagai transaksi digital. Salah satu bentuk transaksi tersebut adalah pembelian mata uang virtual Robux pada platform game Roblox. Pembelian Robux dapat dilakukan melalui platform resmi maupun melalui pihak ketiga yang sering menawarkan harga lebih murah. Namun, transaksi melalui platform non-resmi sering menimbulkan berbagai permasalahan seperti risiko penipuan, keamanan transaksi, serta potensi pelanggaran kebijakan platform. Fenomena ini memunculkan berbagai opini dan pengalaman pengguna yang banyak dibagikan melalui media sosial, khususnya pada platform X. Penelitian ini bertujuan untuk menganalisis sentimen pengguna media sosial X terhadap pengalaman pembelian Robux menggunakan pendekatan text mining. Metode yang digunakan dalam penelitian ini adalah kerangka kerja SEMMA (Sample, Explore, Modify, Model, Assess) dengan algoritma Naïve Bayes Classifier serta pembobotan kata menggunakan metode TF-IDF. Dataset penelitian terdiri dari 393 cuitan berbahasa Indonesia yang dikumpulkan pada rentang waktu tahun 2023 hingga 2025. Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi dengan jumlah 190 data, diikuti sentimen netral sebanyak 108 data, dan sentimen positif sebanyak 65 data. Hasil evaluasi menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen pengguna dengan cukup baik berdasarkan nilai akurasi, precision, dan recall yang diperoleh dari confusion matrix.
Downloads
References
[1] W. M. S. Hutaglung, Tony, and N. J. Perdana, “Analisis Sentimen Pada Opini Kenaikan Harga Bahan Bakar Minyak Pada Media Sosial Twitter,” J. Sist. Inf. DAN Tek. Komput., vol. 8, no. 2, pp. 280–284, 2023.
[2] W. A. Mohammad et al., “A Survey of Data Mining Activities in Distributed Systems,” Asian J. Res. Comput. Sci., vol. 11, no. 4, pp. 1–18, 2021, doi: 10.9734/AJRCOS/2021/v11i430267.
[3] T. Hidayat, “Data Mining untuk Meningkatkan Efisiensi dan Prediksi Produk Garmen Menggunakan Algoritma K-Nearest Neighbor di PT Mas Silueta,” J. KRIDATAMA SAINS DAN Teknol., vol. 06, no. 1, pp. 160–173, 2024.
[4] L. Lubalu et al., “Perlindungan Konsumen Terhadap Pembelian Item Digital dalam Aplikasi Game Online di Indonesia,” J. Konstr. Huk., vol. 3, no. 1, pp. 212–216, 2022, doi: https://doi.org/10.22225/jkh.3.1.4464.212-216.
[5] U. Kulsum, M. Jajuli, and N. Sulistiyowati, “Analisis Sentimen Aplikasi WETV di Google Play Store Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 6, no. 2, pp. 205–212, 2022.
[6] A. Mehrotra and R. Agarwal, “A Review of Use of Data Mining during COVID-19 Pandemic,” Turkish J. Comput. Math. Educ., vol. 12, no. 6, pp. 4547–4552, 2021.
[7] Y. Findawati and M. A. Rosid, Buku Ajar Text Mining. 2020.
[8] R. Andreas and D. Arymami, “Hasrat Konsumsi Virtual dalam Permainan Daring Mobile legends:
Perspektif Deleuze dan Guattar,” J. Pemikir. Sosiol. Univ. Gadjah Mada, vol. 8, pp. 209–242, 2022.
[9] M. Afdal and L. R. Elita, “Penerapan Text Mining Pada Aplikasi Tokopedia Menggunakan Algoritma
K-Nearest Neighbor,” J. Ilm. Rekayasa dan Manaj. Sist. Inf., vol. 8, no. 1, pp. 78–87, 2022.
[10] N. Arifin, U. Enri, and N. Sulistiyowati, “Penerapan Algoritma Support Vector Machine ( Svm ) Dengan Tf-Idf N-Gram Untuk Text Classification,” STRING (Satuan Tulisan Ris. dan Inov. Teknol.,
vol. 6, no. 2, 2021.
[11] F. Alghifari and D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan dan Minuman
Menggunakan Metode Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 2337, no. 8379, 2021.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Hanum Surya Herfiana, Nina Sulistyowati, Billy Ibrahim Hasbi (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
