Ulasan pengguna pada platform game seperti Steam telah menjadi sumber informasi penting bagi calon pemain sebelum membuat keputusan pembelian. Karena sifat opini pengguna yang beragam, analisis sentimen sangat penting untuk memproses dan menafsirkan ulasan ini. Studi ini menyelidiki penerapan analisis sentimen pada ulasan game RPG di Steam, yang bertujuan untuk membantu pengguna dengan meringkas ulasan melalui hasil sentimen dan memberikan wawasan tentang persepsi umum suatu game. Untuk mencapai hal ini, studi ini menerapkan analisis sentimen menggunakan Word2Vec dan Support Vector Machine (SVM). Studi ini berfokus pada evaluasi dampak lematisasi selama praproses dan menganalisis kinerja Word2Vec dalam klasifikasi sentimen. Word2Vec mengubah teks ulasan menjadi representasi vektor yang menangkap hubungan semantik, meningkatkan kemampuan model untuk memahami konteks. Sementara itu, SVM dipilih sebagai pengklasifikasi karena efektivitasnya dalam membedakan antara ulasan positif dan negatif serta menangani data berdimensi tinggi. Sistem yang dikembangkan menggunakan Word2Vec dengan vektor 300 dimensi yang dikombinasikan dengan pengklasifikasi Polinomial SVM, yang menghasilkan kinerja terbaik di antara model yang diuji. Model akhir mencapai skor F1 rata-rata makro sebesar 88,6%, yang menunjukkan kemampuan kuat dalam mengklasifikasikan sentimen secara akurat dalam ulasan pengguna. Hasil ini menyoroti potensi penggabungan teknik penyematan kata dan pembelajaran mesin untuk menganalisis sentimen dalam platform game.
Kata Kunci: analisis sentimen, Word2Vec, SVM, Steam, RPG