Steam memberikan tempat kepada pembelinya untuk menulis ulasan dari software atau game yang telah dibeli, dalam hal ini juga membantu pengembang untuk mengetahui kritik dan saran yang diberikan dari komunitasnya. Tetapi jumlah ulasan yang diberikan oleh user sangat banyak sehingga pengembang sangat sulit untuk mengetahui apakah user menyukai atau tidak menyukai game yang mereka buat dan juga ulasan isinya berbeda maksudnya dengan label yang mereka berikan, maka dari itu analisis sentimen digunakan untuk mempermudah pengembang dalam melihat ulasan yang telah diberikan user. Pada penelitian ini metode analisis sentimen yang digunakan adalah Random forest dan Fitur ektraksi TF-IDF, dalam penelitian ini juga membandingkan dampak Bigram dan Trigram TF-IDF, dan juga dampak penggunaan Lemmatize pada preproccesing. Berdasarkan hasil penelitian uji skenario penggunaan TF-IDF Bigram dan tanpa Lemmatize mendapatkan hasil yang bagus dengan rata-rata F1-Score 62% dibandingan kan dengan skenario lainnya menggunakan Trigram dan tanpa Lemmatize.Steam memberikan tempat kepada pembelinya untuk menulis ulasan dari software atau game yang telah dibeli, dalam hal ini juga membantu pengembang untuk mengetahui kritik dan saran yang diberikan dari komunitasnya. Tetapi jumlah ulasan yang diberikan oleh user sangat banyak sehingga pengembang sangat sulit untuk mengetahui apakah user menyukai atau tidak menyukai game yang mereka buat dan juga ulasan isinya berbeda maksudnya dengan label yang mereka berikan, maka dari itu analisis sentimen digunakan untuk mempermudah pengembang dalam melihat ulasan yang telah diberikan user. Pada penelitian ini metode analisis sentimen yang digunakan adalah Random forest dan Fitur ektraksi TF-IDF, dalam penelitian ini juga membandingkan dampak Bigram dan Trigram TF-IDF, dan juga dampak penggunaan Lemmatize pada preproccesing. Berdasarkan hasil penelitian uji skenario penggunaan TF-IDF Bigram dan tanpa Lemmatize mendapatkan hasil yang bagus dengan rata-rata F1-Score 62% dibandingan kan dengan skenario lainnya menggunakan Trigram dan tanpa Lemmatize.Steam memberikan tempat kepada pembelinya untuk menulis ulasan dari software atau game yang telah dibeli, dalam hal ini juga membantu pengembang untuk mengetahui kritik dan saran yang diberikan dari komunitasnya. Tetapi jumlah ulasan yang diberikan oleh user sangat banyak sehingga pengembang sangat sulit untuk mengetahui apakah user menyukai atau tidak menyukai game yang mereka buat dan juga ulasan isinya berbeda maksudnya dengan label yang mereka berikan, maka dari itu analisis sentimen digunakan untuk mempermudah pengembang dalam melihat ulasan yang telah diberikan user. Pada penelitian ini metode analisis sentimen yang digunakan adalah Random forest dan Fitur ektraksi TF-IDF, dalam penelitian ini juga membandingkan dampak Bigram dan Trigram TF-IDF, dan juga dampak penggunaan Lemmatize pada preproccesing. Berdasarkan hasil penelitian uji skenario penggunaan TF-IDF Bigram dan tanpa Lemmatize mendapatkan hasil yang bagus dengan rata-rata F1-Score 62% dibandingan kan dengan skenario lainnya menggunakan Trigram dan tanpa Lemmatize.