ANALISIS SENTIMEN MODEL DISTILBERT MULTILINGUAL CASED DALAM MENGKLASIFIKASIKAN ULASAN GAME: KAJIAN PADA GENSHIN IMPACT

Evolusi teknologi informasi telah merevolusi cara manusia berinteraksi dengan dunia, terutama dalam sektor gaming. Genshin Impact, sebagai salah satu game terpopuler dengan basis pengguna global yang besar, menghasilkan jutaan ulasan pengguna yang mencerminkan beragam sentimen. Namun, memahami dan mengkategorikan sentimen dalam ulasan ini secara akurat merupakan tantangan, terutama karena variasi bahasa dan nuansa dalam teks ulasan. Tujuan penelitian ini adalah mengeksplorasi pemanfaatan model DistilBERT Multilingual Cased untuk menganalisis sentimen dalam ulasan multibahasa game Genshin Impact.
Penelitian ini menggunakan metode analisis sentimen dengan model DistilBERT Multilingual Cased untuk mengkategorikan ulasan game Genshin Impact. Data yang digunakan terdiri dari 8500 ulasan, dengan 4500 ulasan dalam bahasa Indonesia dari Google PlayStore dan 4000 ulasan dalam bahasa Inggris dari Apple AppStore. Evaluasi model dilakukan dengan metrik akurasi, presisi, recall, dan f1-score, yang menunjukkan bahwa model mencapai akurasi keseluruhan sebesar 82% dan melampaui 0.77 di semua kategori sentimen, termasuk sentimen positif, negatif, dan netral. Temuan ini menunjukkan bahwa DistilBERT Multilingual Cased adalah alat yang efektif untuk analisis sentimen multibahasa dalam konteks ulasan game.