Analisis Tingkat Kepuasan Pada Ulasan Game Wuthering Waves Menggunakan Algoritma LSTM (Long Short-Term Memory)
Abstract
Wuthering Waves merupakan permainan bergenre Action Role-Playing Game (RPG) dunia terbuka yang memperoleh banyak ulasan di Google Play Store. Volume ulasan yang besar membuat analisis manual menjadi tidak efektif dan subjektif. Penelitian terdahulu umumnya menggunakan pendekatan klasifikasi dua kelas sentimen dengan algoritma konvensional. Penelitian ini bertujuan mengklasifikasikan ulasan pemain game Wuthering Waves dari Google Play Store ke dalam tiga kategori sentimen (positif, netral, dan negatif) untuk menganalisis tingkat kepuasan pemain serta mengidentifikasi pola keluhan utama secara sistematis. Metode penelitian yang digunakan adalah pendekatan data mining berbasis deep learning dengan menerapkan algoritma Long Short-Term Memory (LSTM). Data penelitian diperoleh melalui proses crawling pada periode 1 September 2025 hingga 14 Januari 2026. Dari 3.600 ulasan yang dikumpulkan, proses preprocessing menghasilkan 3.205 data unik. Pengujian dan pembagian dataset dilakukan menggunakan metode Stratified K-Fold Cross Validation. Evaluasi model menunjukkan bahwa algoritma LSTM mencapai rata-rata akurasi sebesar 83,15%, presisi 81,77%, recall 78,95%, dan F1-score 79,06%, yang menunjukkan performa stabil dalam klasifikasi sentimen multikelas. Hasil visualisasi WordCloud mengungkap pola keluhan pengguna, terutama terkait kendala optimasi sistem seperti lag dan force close serta belum tersedianya lokalisasi Bahasa Indonesia. Penelitian ini membuktikan bahwa algoritma LSTM efektif dalam mengenali konteks dan hubungan jangka panjang antar kata. Hasil penelitian memberikan informasi bagi pengembang sebagai bahan evaluasi peningkatan kualitas permainan.
Keywords
Full Text:
PDFReferences
S. Mujilahwati and M. A. Ubaydillah, “Analisis Sentimen Berbasis Aspek pada Ulasan Game Mobile Legends dengan Pendekatan Decision Tree untuk Evaluasi Pengalaman Pengguna Teknik Informatika , Fakultas Teknik ,Universitas Islam Lamongan , Indonesia Aspect-Based Sentiment Analysis on Mobile Leg,” J. Pendidik. dan Teknol. Indones., vol. 4, no. 11, pp. 325–333, 2024.
A. Prof, E. Bİl, A. Prof, and S. Ergan, “NEW CONSUMERS OF THE DIGITAL AGE : GAME PLAYERS,” pp. 9–22, 2021.
G. Hartono and D. Priharsari, “Analisis User Experience Konten Spiral Abyss Challenge dari Video Game Genshin Impact menggunakan Game Experience Questionnaire (GEQ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 8, pp. 3838–3846, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
K. C. Astuti, A. Firmansyah, dan A. Riyadi, "Implementasi Text Mining untuk Analisis Sentimen Masyarakat terhadap Ulasan Aplikasi Digital Korlantas Polri pada Google Play Store," Remik: Riset dan E-Jurnal Manajemen Informatika Komputer, vol. 8, no. 1, hlm. 383-394, Jan. 2024, doi: 10.33395/remik.v8i1.13421
R. Noveandini, M. S. Wulandari, and F. Rasyad, “Penerapan Model LSTM pada Analisis Sentimen Ulasan Pengguna Aplikasi Shopee Google Play Store,” Fasilkom, vol. 15, no. 2, pp. 290–296, 2025, [Online]. Available: https://ejurnal.umri.ac.id/index.php/JIK/article/view/9150
A. Pangestu, Y. Tajul Arifin, and R. Ade Safitri, “Analisis Sentimen Review Publik Pengguna Game Online Pada Platform Steam Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3106–3113, 2024, doi: 10.36040/jati.v7i6.8829.
B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan4, “Analysis Data Mining Netflix Data Using The Rapid Miner Application,” J. Bus. Audit Inf. Syst., vol. 4, no. 1, pp. 13–21, 2021.
Z. N. -, B. I. -, and N. A. R. -, “Analisis Sentimen Ulasan Pengguna Terhadap Game Zenless Zone Zero Menggunakan Metode Bi-Directional Lstm,” J. Inform. dan Tek. Elektro Terap., vol. 14, no. 1, 2026, doi: 10.23960/jitet.v14i1.8722..
M. A. Tamlica and B. Irawan, "Analisis Sentimen Ulasan Aplikasi Grok di Google Play Store Menggunakan Algoritma Long Short-Term Memory (LSTM)," JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 14, no. 1, pp. 1168–1175, 2026.
M. H. Shiddiq, B. Prasetiyo, and R. A. Ulayya, "Penerapan Naïve Bayes dalam Analisis Sentimen Pengguna Game Wuthering Waves pada Google Play Store," JSI: Jurnal Sistem Informasi (E-Journal), vol. 17, no. 2, pp. 392–403, Oct. 2025.
P. Aditya, A. Azzahra, and A. Wijaya, “ANALISIS SENTIMEN PEMAIN SUBWAY SURF MELALUI METODE,” vol. 3, no. 2, pp. 267–275, 2023.
R. Putra Kurniawan, I. Istiadi, and S. Wahyu Iriananda, “Analisis Sentimen Ulasan Aplikasi Linkedin Berbasis Lexicon Dan Long Short-Term Memory (Lstm),” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 2315–2324, 2025, doi: 10.36040/jati.v9i2.13042.
S. Nurhikmah, R. Ramadani, and G. Triyono, “Analisis Sentimen pada Ulasan Aplikasi Wondr di Play Store dengan Metode Naïve Bayes,” pp. 1919–1930, 2025, doi: 10.33364/algoritma/v.22-2.2507.
A. Kho and F. F. Tampinongkol, “Analisis Sentimen Pengguna Aplikasi STEAM dengan Algoritma Naive Bayes,” Ranah Res. J. Multidiscip. Res. Dev., vol. 7, no. 6, pp. 4620–4627, 2025, doi: 10.38035/rrj.v7i6.1803
D. Putri dan A. Suryanto, "Penerapan LSTM untuk Menganalisis Sentimen Review Pengguna Aplikasi Zoom pada Play Store," IMTechno: Journal of Industrial Management and Technology, vol. 6, no. 2, hlm. 100-106, Jul. 2025
D. S. Nurrochmah, N. Rahaningsih, R. D. Dana, dan C. L. Rohmat, "Penerapan Algoritma Naive Bayes dalam Analisis Sentimen Ulasan Aplikasi Kitalulus di Google Play Store," Jurnal Informatika Terpadu, vol. 11, no. 1, hlm. 1-11, Mar. 2025.
U. Farauk, E. Putra, D. Ayu, N. Ramhan, and L. N. Alifah, “Analisis Sentimen Pada Tweet Buzzer Politik Indonesia Menggunakan Metode SVM Sentiment Analysis On Indonesian Political Buzzer Tweets Using Svm Method,” vol. 4, no. 1, pp. 311–326, 2025.
N. Hidayah, L. Ode, and D. Pramono, “Evaluasi IndoBERTweet untuk Klasifikasi Sentimen Ulasan Wisata melalui Inferensi Langsung Lintas Domain : Studi Kasus Kota Baubau Evaluation of IndoBERTweet for Tourism Review Sentiment Classification via Cross-Domain Direct Inference : A Case Study in Baubau City,” vol. 15, no. 1, pp. 60–72, 2026.
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, doi: 10.30871/jaic.v6i2.4802.
D. F. Nawulansih et al., “Analisis Sentimen Ulasan Aplikasi DANA di Google Play Store : Penerapan Support Vector Machine dan Synthetic Minority Over-sampling Technique Sentiment Analysis of DANA Application Reviews on Google Play Store : Implementation of Support Vector Machine and Synthetic Minority Over-sampling Technique,” vol. 5, no. 9, pp. 2660–2671, 2025.
M. Khadapi and V. M. Pakpahan, "Analisis Sentimen Berbasis Jaringan LSTM dan BERT terhadap Diskusi Twitter tentang Pemilu 2024," JUKI: Jurnal Komputer dan Informatika, vol. 6, no. 2, pp. 130–137, Nov. 2024.
S. K. Lubis, M. H. Dar, and F. A. Nasution, “Analisis Sentimen Ulasan Pengguna Aplikasi pada Google Play Store Menggunakan Algoritma Support Vector Machine,” Informatika, vol. 11, no. 2, pp. 120–128, 2024, doi: 10.36987/informatika.v11i2.5860.
W. Arisandi, S. Anggai, and Tukiyat,"Analisis Sentimen Ulasan Pengguna Aplikasi Media Sosial X Di PlayStore Menggunakan Algoritma Long Short-Term Memory (LSTM) Dan Gated Recurrent Unit (GRU),"Jurnal Sistem Komputer dan Kecerdasan Buatan, vol. IX, no. 1, pp. 63–72, Sep. 2025.
A. Almansour, R. Alotaibi, and H. Alharbi, “Text ‑ rating review discrepancy ( TRRD ): an integrative review and implications for research,” Futur. Bus. J., 2022, doi: 10.1186/s43093-022-00114-y.
Z. Sitorus, M. Iqbal, D. Nasution, and R. F. Wijaya, “Penerapan Deep Learning dan Analisis Sentimen terhadap Gap Kompetensi Lulusan Lembaga Pendidikan dan Pelatihan Vokasi terhadap Dunia Kerja dengan Metode Long Short-Term Memory ( LSTM ),” vol. 6, no. 2, pp. 0–11, 2025, doi: 10.47065/bit.v5i2.2029.
A. Harris, A. Nugroho, Y. Novianto, J. Jasmir, and D. Fatma, “Fitur Word Embedding untuk meningkatkan Kinerja Machine Learning pada Analisis Sentimen Game Honor of Kings Word Embedding Features to Improve Machine Learning Performance in Sentiment Analysis of the Honor of Kings Game,” vol. 15, pp. 522–533, 2026.
C. Fri, R. Elouahbi, Y. Taki, and A. Remaida, “Enhanced Bidirectional LSTM for Sentiment Analy sis of Learners ’ Posts in MOOCs,” vol. 16, no. 5, pp. 163–172, 2025.
P. Alkhairi, A. P. Windarto, and M. Efendi, “Optimasi LSTM Mengurangi Overfitting untuk Klasifikasi Teks Menggunakan Kumpulan Data Ulasan Film Kaggle IMDB”, bits, vol. 6, no. 2, p. 1142−1150, Sep. 2024.
A. R. Gunawan and R. F. Alfa Aziza, “Sentiment Analysis Using LSTM Algorithm Regarding Grab Application Services in Indonesia,” J. Appl. Informatics Comput., vol. 9, no. 2, pp. 322–332, 2025, doi: 10.30871/jaic.v9i2.8696.
DOI: https://doi.org/10.55340/jiu.v15i1.2714
Refbacks
- There are currently no refbacks.
__________________________________________________________________________________________________________________________________________________
SK Accreditation No. 286/DST/C3/HM.01.00/2026 Tanggal 7 April 2026
Editorial Address :
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Jl. Dayanu Ikhsanuddin no.124 Baubau, Sulawesi Tenggara
Jurnal Informatika by Program Studi Teknik Informatika, Fakultas Teknik, Universitas Dayanu Ikhsanuddin Baubau, Indonesia is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. Based on work at https://ejournal.unidayan.ac.id/index.php/JIU