Perbandingan Analisis Sentimen Game Honor of Kings dengan VADER, TextBlob, Rating dan IndoBERT

Abstract

Analisis sentimen pada game daring, khususnya dalam game Honor of Kings (HOK), menjadi penting untuk memahami interaksi pemain dan dinamika emosional mereka. Penelitian ini menganalisis sentimen pemain HOK dengan menggunakan berbagai model analisis sentimen, termasuk Vader, TextBlob, dan IndoBERT, untuk menilai pengalaman dan motivasi pemain. Studi ini juga mengeksplorasi perilaku toksik dalam permainan yang berdampak pada pengalaman bermain, serta implikasi psikologis yang muncul selama pandemi COVID-19. Selain sentimen negatif yang terkait dengan perilaku toksik, analisis juga mencatat sentimen positif yang dapat menggambarkan motivasi emosional pemain. Berdasarkan evaluasi model, hasil labeling menunjukkan bahwa model Random Forest dan SVM memberikan hasil akurasi yang serupa, yaitu 63%, pada semua model labeling (IndoBERT, Vader, dan TextBlob). Namun, model Naive Bayes menunjukkan perbedaan signifikan, dengan akurasi hanya 25% pada labeling IndoBERT, sedangkan dengan Vader dan TextBlob mencapai 63%. Hal ini disebabkan oleh karakteristik model yang berbeda, di mana Vader dan TextBlob lebih mampu menangani sentimen eksplisit dalam teks. Penelitian ini menyarankan bahwa pemilihan model analisis sentimen yang tepat, serta pemahaman mendalam terhadap perilaku dan emosi pemain, dapat memberikan wawasan yang berharga bagi pengembang game dalam meningkatkan pengalaman bermain dan kepuasan pemain.