Sentiment Analysis of Roblox Genres on TikTok: Roleplay, RPG, and Horror using Naïve Bayes

Popularitas platform gim Roblox di Indonesia tercermin dari tingginya volume interaksi pengguna di media sosial TikTok. Namun, data komentar yang masif tersebut bersifat tidak terstruktur dan banyak menggunakan bahasa tidak baku (slang), sehingga menyulitkan pengembang untuk mengidentifikasi preferensi pemain secara spesifik terhadap genre tertentu. Penelitian ini bertujuan untuk menganalisis sentimen pengguna dan melakukan studi komparatif preferensi terhadap tiga kategori gim utama dalam ekosistem Roblox, yaitu Roleplay, RPG, dan Horror. Metodologi penelitian dimulai dengan pengumpulan 3.000 data komentar melalui teknik scraping pada video TikTok yang diunggah periode Juni hingga Desember 2025. Data tersebut melalui tahapan pra-pemrosesan yang komprehensif, meliputi pembersihan data, normalisasi teks berbasis kamus slang, dan ekstraksi fitur menggunakan TF-IDF. Klasifikasi dilakukan menggunakan algoritma Multinomial Naïve Bayes dengan penerapan teknik oversampling untuk menangani ketidakseimbangan kelas data. Hasil pengujian model menunjukkan performa yang baik dengan tingkat akurasi global sebesar 77,78% dan nilai Presisi pada kelas Negatif mencapai 91%. Temuan penelitian mengungkapkan bahwa distribusi sentimen global didominasi oleh sentimen Netral (40%) dan Negatif (33%), sedangkan sentimen Positif hanya 26%. Analisis komparatif menunjukkan bahwa genre RPG memiliki rasio sentimen negatif tertinggi akibat keluhan teknis seperti lag, sedangkan genre Horror mencatat sentimen positif yang signifikan di mana respon emosional "takut" diinterpretasikan sebagai kepuasan. Kesimpulannya, stabilitas teknis dan pengalaman emosional menjadi faktor determinan utama dalam preferensi pemain.