Analisis Sentimen Pemain terhadap Sistem Gacha Genshin Impact di Media Sosial X Menggunakan SVM

Abstrak

Sistem gacha pada game Genshin Impact memungkinkan pemain memperoleh karakter atau senjata langka secara acak, sehingga memicu respons emosional yang beragam di media sosial X. Penelitian ini bertujuan menganalisis kecenderungan sentimen pemain terhadap sistem gacha serta menguji kinerja algoritma Support Vector Machine (SVM) dalam mengklasifikasikan sentimen tersebut. Data penelitian berupa 690 tweet berbahasa Indonesia yang dikumpulkan melalui scraping menggunakan library Tweet Harvest, kemudian melalui tahap preprocessing (cleaning, case folding, tokenizing, stopword removal, stemming) dan diberi label sentimen positif, negatif, dan netral. Fitur teks diekstraksi menggunakan TF-IDF menghasilkan matriks berdimensi 690×3440, lalu diklasifikasikan menggunakan SVM kernel linear dengan parameter class_weight='balanced' dan pembagian data 80:20. Hasil pelabelan menunjukkan dominasi sentimen netral (65,94%), diikuti positif (18,41%) dan negatif (15,65%). Model SVM mencapai akurasi 74% pada data uji, namun evaluasi lanjutan menunjukkan indikasi overfitting yang signifikan, ditandai oleh kesenjangan F1-Score Macro Average antara data latih (99,35%) dan data uji (54,97%) sebesar 44,37%. Kelas netral menunjukkan performa terbaik (Recall 97%), sedangkan kelas negatif dan positif menunjukkan Recall rendah (23% dan 36%) akibat tumpang tindih kosakata informal dengan kelas netral. Temuan ini mengindikasikan bahwa performa SVM pada data microblogging berbahasa Indonesia yang informal lebih rentan terhadap overfitting dibandingkan pada data ulasan yang lebih terstruktur.