Kemajuan industri video game dalam beberapa tahun terakhir telah mendorong banyak pengembang untuk merilis berbagai game baru. Hal ini membuat konsumen sering kali kebingungan dan ragu untuk membeli game. Ulasan game menjadi sumber informasi pertama yang diakses oleh konsumen saat ingin membeli sebuah game. Oleh karena itu, analisis sentimen terhadap ulasan game sangat penting untuk membantu konsumen dalam menentukan pilihan. Penelitian ini melakukan analisis sentimen untuk mengkategorikan ulasan game menjadi positif atau negatif, kemudian mengklasifikasikannya menggunakan metode K-Nearest Neighbors (KNN) untuk mencari nilai K terbaik. Pada dataset, dilakukan pre-processing dengan penghapusan tanda baca, casefolding, penghapusan stopword, tokenisasi, dan lematisasi. Ekstraksi fitur menggunakan Term Frequency Inverse Document Frequency (TF-IDF) untuk menghitung bobot kata dalam dokumen. Hasil penelitian ini menunjukkan bahwa nilai F1 mencapai 77%, dengan nilai K terbaik adalah 13. Hasil ini menunjukkan bahwa m