Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Silvia Malona Nainggolan Pengarang Harlen Gilbert Simanullang, S.Kom., M.Kom Dosen Pembimbing 1 Arina Prima Silalahi, S.Kom., M.Kom Dosen Pembimbing 2

ABSTRAK Perkembangan pesat industri game online, khususnya genre Multiplayer Online Battle Arena (MOBA), telah mendorong tingginya interaksi pengguna melalui komentar di platform distribusi aplikasi seperti Google Playstore. Salah satu aplikasi game yang populer adalah Mobile Legends: Bang Bang. Komentar pengguna sering kali tidak sejalan dengan penilaian bintang, sehingga menimbulkan kesulitan dalam memahami persepsi pengguna secara objektif. Penelitian ini bertujuan untuk mengelompokkan komentar pengguna Mobile Legends menggunakan metode Gaussian Mixture Models (GMM), suatu pendekatan statistik berbasis probabilitas yang efektif dalam mengidentifikasi pola tersembunyi dalam data tidak terstruktur. Proses dimulai dari pengumpulan data melalui web scraping, dilanjutkan dengan preprocessing teks (cleansing, case folding, stopword removal, tokenizing, dan stemming), kemudian ekstraksi fitur menggunakan TF-IDF, dan akhirnya proses klasterisasi menggunakan GMM. Hasil dari penelitian ini menunjukkan bahwa komentar dapat dikelompokkan secara otomatis ke dalam tiga kategori utama: positif, negatif, dan netral. Pendekatan ini mampu memberikan wawasan yang lebih akurat dan objektif terhadap persepsi pengguna, serta dapat digunakan sebagai dasar pengambilan keputusan untuk pengembangan dan perbaikan aplikasi. Implementasi GMM dalam penelitian ini membuktikan efektivitasnya dalam mengelola data teks besar secara efisien dan relevan. Kata Kunci: Text Mining, Gaussian Mixture Models, Mobile Legends, Google Playstore, TF-IDF, Clustering.