KINERJA SELEKSI FITUR N-GRAM PADA ANALISIS SENTIMEN ULASAN MOBILE GAME DI GOOGLE PLAYSTORE
DOI:
https://doi.org/10.31328/ciastech.v5i1.4368Keywords:
N-Gram, Sentiment, Analysis, Playstore, Mobile GameAbstract
Mobile Game menjadi industri yang berkembang pesat. Pengguna dan pengembang game menggunakan analisis sentimen untuk dapat mengetahui ulasan pemain game, sehingga dapat menetapkan arah pengembangan dan peningkatan game tersebut. Dalam penelitian ini, penulis mengklasifikasikan sentimen dengan menggunakan TF-IDF dan fitur seleksi N-Gram. Penulis bertujun untuk menginvestigasi pengaruh N-Gram terhadap tingkat akurasi algoritma SVM. Maka dari itu, peneliti melakukan beberapa skenario pengujian penggunaan N-Gram. Hasil pengujian tersebut menunjukkan bahwa dengan menggunakan 3600 baris data, fitur seleksi Unigram, Bigram, dan Trigram (1,3), dan cross-validation k=10 dapat menghasilkan nilai akurasi yang optimum pada rasio data latih dan data uji 72:25 adalah  87,3 persen. Nilai ini dicapai dengan menggunakan kernel Radial Basis Function (RBF), dan parameter kompleksitas C = 1, Gamma (ð›¾) = 1.References
D. L. King, P. H. Delfabbro, J. Billieux, and M. N. Potenza, “Problematic online gaming and the COVID-19 pandemic,†Journal of Behavioral Addictions, vol. 9, no. 2, pp. 184–186, Jun. 2020, doi: 10.1556/2006.2020.00016.
S. Chakraborty, I. Mobin, A. Roy, and M. H. Khan, “Rating Generation of Video Games using Sentiment Analysis and Contextual Polarity from Microblog,†in 2018 International Conference on Computational Techniques, Electronics and Mechanical Systems (CTEMS), Dec. 2018, pp. 157–161. doi: 10.1109/CTEMS.2018.8769149.
S. Pradha, M. N. Halgamuge, and N. Tran Quoc Vinh, “Effective Text Data Preprocessing Technique for Sentiment Analysis in Social Media Data,†in 2019 11th International Conference on Knowledge and Systems Engineering (KSE), Oct. 2019, pp. 1–8. doi: 10.1109/KSE.2019.8919368.
R. Kusnadi, Y. Yusuf, A. Andriantony, R. Ardian Yaputra, and M. Caintan, “ANALISIS SENTIMEN TERHADAP GAME GENSHIN IMPACT MENGGUNAKAN BERT,†rabit, vol. 6, no. 2, pp. 122–129, Jul. 2021, doi: 10.36341/rabit.v6i2.1765.
R. A. Nandini, Y. A. Sari, and P. P. Adikara, “Analisis Sentimen Impor Beras 2018 Pada Twitter Menggunakan Metode Support Vector Machine dan Pembobotan Jumlah Retweet,†p. 11, 2019.
M. Birjali, M. Kasri, and A. Beni-Hssane, “A comprehensive survey on sentiment analysis: Approaches, challenges and trends,†Knowledge-Based Systems, vol. 226, p. 107134, Aug. 2021, doi: 10.1016/j.knosys.2021.107134.
A. P. Thenata, “Text Mining Literature Review on Indonesian Social Media,†JEPIN, vol. 7, no. 2, p. 226, Aug. 2021, doi: 10.26418/jp.v7i2.47975.
S. Ranjan and S. Mishra, “Comparative Sentiment Analysis of App Reviews,†in 2020 11th International Conference on Computing, Communication and Networking Technologies (ICCCNT), Kharagpur, India, Jul. 2020, pp. 1–7. doi: 10.1109/ICCCNT49239.2020.9225348.
M. I. Ahmadi, F. Apriani, M. Kurniasari, S. Handayani, and D. Gustian, “SENTIMENT ANALYSIS ONLINE SHOP ON THE PLAY STORE USING METHOD SUPPORT VECTOR MACHINE (SVM),†p. 8, 2020.
H. Samy, A. Helmy, and N. Ramadan, “Aspect-based Sentiment Analysis of Mobile Apps Reviews using Class Association Rules and LDA,†in 2021 Tenth International Conference on Intelligent Computing and Information Systems (ICICIS), Dec. 2021, pp. 183–189. doi: 10.1109/ICICIS52592.2021.9694242.
S. W. Iriananda, R. P. Putra, and K. S. Nugroho, “ANALISIS SENTIMEN DAN ANALISIS DATA EKSPLORATIF ULASAN APLIKASI MARKETPLACE GOOGLE PLAYSTORE,†Malang, Indonesia, 2021, p. 10. [Online]. Available: http://publishing-widyagama.ac.id/ejournal-v2/index.php/ciastech/article/download/3343/1800
N. Arifin, U. Enri, and N. Sulistiyowati, “Penerapan Algoritma Support Vector Machine (SVM) dengan TF-IDF N-Gram untuk Text Classification,†STRING, vol. 6, no. 2, p. 129, Dec. 2021, doi: 10.30998/string.v6i2.10133.
S. Mardianti, M. Z. Naf’an, and I. Hidayatulloh, “EKSTRAKSI TF-IDF N-GRAM DARI KOMENTAR PELANGGAN PRODUK SMARTPHONE PADA WEBSITE E-COMMERCE,†p. 7, 2018.
I. Pujadayanti, M. A. Fauzi, and Y. A. Sari, “Prediksi Rating Otomatis pada Ulasan Produk Kecantikan dengan Metode Naïve Bayes dan N-gram,†p. 7, 2018.
R. H. Faturrahman, W. Astuti, and M. D. Purbolaksono, “Klasifikasi Sentimen Ulasan Film Menggunakan Support Vector Machine, Information Gain, dan N-Grams,†p. 6, 2022.
S. A. Anjani and A. Fauzan, “Implementasi n-Gram dalam Analisis Sentimen Masyarakat DIY Terhadap PSBB Jawa-Bali Jilid II Menggunakan,†vol. 21, no. 2, p. 11, 2021.
M. Oktafani and P. T. Prasetyaningrum, “IMPLEMENTASI SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KOMENTAR APLIKASI TANDA TANGAN DIGITAL,†Jurnal Sistem Informasi dan Bisnis Cerdas, vol. 15, no. 1, pp. 10–19, Mar. 2022, doi: 10.33005/sibc.v15i1.2697.
F. Fitriyani and T. Arifin, “PENERAPAN WORD N-GRAM UNTUK SENTIMENT ANALYSIS REVIEW MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (STUDI KASUS: APLIKASI SAMBARA),†SISTEMASI, vol. 9, no. 3, p. 610, Sep. 2020, doi: 10.32520/stmsi.v9i3.954.
D. Sinaga and C. Jatmoko, “ANALISIS SENTIMEN UNTUK MENGETAHUI KESAN PLAYER GAME MOBILE LEGENDS MENGGUNAKAN NAÃVE BAYES CLASSIFIER,†p. 8, 2020.
P. A. A. Rahman, E. Ermatita, and H. N. Irmanda, “ANALISIS SENTIMEN ULASAN GAME HARRY POTTER: HOGWARTS MYSTERY PADA SITUS GOOGLE PLAY MENGGUNAKAN NAÃVE BAYES CLASSIFIER,†SEINASI-KESI, vol. 4, no. 1, Art. no. 1, Dec. 2021.
14611229 Virga Inayatullah, “ANALISIS SENTIMEN GAME MULTIPLAYER ONLINE BATTLE ARENA (MOBA) MENGGUNAKAN ALGORITMA NAÃVE BAYES (Studi Kasus: Game Mobile Legend, AoV, Vainglory),†Sep. 2018, Accessed: Aug. 22, 2022. [Online]. Available: https://dspace.uii.ac.id/handle/123456789/11814
