Analisis sentimen telah menjadi salah satu alat penting dalam memahami opini pengguna, terutama dalam platform permainan daring seperti Steam. Penelitian ini bertujuan untuk mengembangkan metode analisis sentimen yang akurat dengan menggabungkan algoritma Support Vector Machine (SVM), Term Frequency-Inverse Document Frequency (TF-IDF), dan Chi-Square. Metode SVM digunakan untuk klasifikasi sentimen, TF-IDF untuk ekstraksi fitur, dan Chi Square untuk seleksi fitur guna mengurangi dimensi data. Dataset yang digunakan terdiri dari ulasan pengguna di Steam, yang diproses melalui tahapan prapemrosesan, pembagian data, dan ekstraksi fitur. Penelitian ini diharapkan dapat memberikan solusi efektif dalam memahami opini pengguna secara lebih mendalam, serta menjadi kontribusi signifikan dalam pengembangan teknologi analisis sentimen pada ulasan game digital.