Perbandingan Performa SVM dan Naïve Bayes Pada Analisis Sentimen Aplikasi Game Online
DOI:
https://doi.org/10.31328/jointecs.v8i1.4854Keywords:
analisis sentimen, optimasi fitur, support vector machine, naïve bayesAbstract
Game online saat ini berkembang sangat pesat terutama game online berbasis mobile, salah satunya adalah Clash of Clans. Game yang sudah berusia lebih dari 10 tahun ini masih mampu bersaing dengan game mobile terbaru lainnya. Hal tersebut tidak lepas dari pengembangan dan pembaruan yang dilakukan oleh developer. Namun tentu pengembangan dan pembaruan tersebut tidak bisa sepenuhnya diterima oleh seluruh pemain game Clash of Clans. Banyak ulasan yang diberikan oleh pengguna di Google Play Store. Ditemukan ketidak sinkronan antara rating yang diberikan dengan ulasan yang diberikan, oleh karena itu dibutuhkan analisis sentimen untuk mengetahui jenis sentimen yang diberikan. Pada penelitian ini dilakukan penerapan optimasi ekstraksi fitur TF-IDF (Term Frequency - Inverse Document Frequency) dan N-Gram, serta seleksi fitur Chi-Square dan SelectKBest pada analisis sentimen pengguna aplikasi game online Clash of Clans menggunakan algoritma Support Vector Machine dan Naïve Bayes dengan tujuan menerapkan dan mencari model klasifikasi terbaik untuk mendapatkan hasil akurasi yang lebih akurat. Hasil pengujian menunjukkan bahwa model klasifikasi dengan ekstraksi fitur TF-IDF (Term Frequency - Inverse Document Frequency) dan N-Gram, serta seleksi fitur Chi-Square dan SelectKBest adalah model klasifikasi paling optimal dengan hasil akurasi tertinggi 93% pada Support Vector Machine pada presentase rasio 70:30, sementara akurasi tertinggi yang diperoleh Naïve Bayes sebesar 91,6% dengan presentase rasio yang sama.References
B. Hartanto, M. S. Ferdinand, and Mc. Albert Surya Wijaya, “Pembuatan Game Nonogram Multiplayerâ€.
L. Sihombing and D. Manurung, Peta Ekosistem Industri Game Indonesia 2021. 2022.
E. R. Lidinillah, T. Rohana, and A. R. Juwita, “Analisis Sentimen Twitter Terhadap Steam Menggunakan Algoritma Logistic Regression dan Support Vector Machine,†TEKNOSAINS : Jurnal Sains, Teknologi dan Informatika, vol. 10, no. 2, pp. 154–164, Jul. 2023, doi: 10.37373/tekno.v10i2.440.
Muhammad Alwi, Ninis Anggraini, and Rodia, “Analisis Data Mining Pada Pemilihan Jenis Game Terpopuler Menggunakan Algoritma Apriori,†Jurnal Teknoif Teknik Informatika Institut Teknologi Padang, vol. 11, no. 1, pp. 9–15, Apr. 2023, doi: 10.21063/jtif.2023.v11.1.9-15.
R. Kusnadi, Y. Yusuf, A. Andriantony, R. Ardian Yaputra, and M. Caintan, “Analisis Sentimen Terhadap Game Genshin Impact Menggunakan Bert,†Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 6, no. 2, pp. 122–129, Jul. 2021, doi: 10.36341/rabit.v6i2.1765.
M. S. Arifin, M. Ariyanti, and E. Nurhazizah, “Economics and Digital Business Review Analisis Kualitas Mobile Games Berdasarkan Ulasan Platform Google Play Di Indonesia Menggunakan Metode Text Mining,†Economics and Digital Business Review, vol. 4, no. 1, pp. 357–368, 2023.
R. Arief and K. Imanuel, “Analisis Sentimen Topik Viral Desa Penari Pada Media Sosial Twitter Dengan Metode Lexicon Based,†Jurnal Ilmiah MATRIK, vol. 21, no. 3, 2019.
M. Arhami and M. Nasir, Data Mining - Algoritma dan Implementasi. Jakarta: Penerbit Andi, 2020.
T. Mardiana, H. Syahreva, and T. Tuslaela, “Komparasi Metode Klasifikasi Pasa Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter,†Jurnal Pilar Nusa Mandiri, vol. 15, no. 2, pp. 267–274, Sep. 2019, doi: 10.33480/pilar.v15i2.752.
N. Arifin, U. Enri, and N. Sulistiyowati, “Penerapan Algoritma Support Vector Machine (SVM) Dengan TF-IDF N-Gram Untuk Text Classification,†STRING (Satuan Tulisan Riset dan Inovasi Teknologi), vol. 6, pp. 129–136, 2021.
V. Zuliana and I. Maulana, “Analisis Sentimen Program Migrasi TV Digital Menggunakan Algoritma Naive Bayes Dengan Chi Square,†Jurnal informasi dan Komputer, vol. 10, no. 2, 2022.
E. N. Fitri, S. Winarno, F. Budiman, A. Rohmani, J. Zeniarja, and E. Sugiarto, “Decision Tree Simplification Through Feature Selection Approach In Selecting Fish Feed Sellers,†Jurnal Teknik Informatika (Jutif), vol. 4, no. 2, pp. 301–309, Mar. 2023, doi: 10.52436/1.jutif.2023.4.2.747.
D. Deviacita, H. Sasty, and H. Muhardi, “Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace,†Jurnal Sistem dan Teknologi Informasi, vol. 7, no. 4, 2019.
F. Prasetya and F. Ferdiansyah, “Analisis Data Mining Klasifikasi Berita Hoax COVID 19 Menggunakan Algoritma Naive Bayes,†Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 1, p. 132, Sep. 2022, doi: 10.30865/json.v4i1.4852.
A. T. Ni’mah and A. Z. Arifin, “Perbandingan Metode Term Weighting terhadap Hasil Klasifikasi Teks pada Dataset Terjemahan Kitab Hadis,†Rekayasa, vol. 13, no. 2, pp. 172–180, Aug. 2020, doi: 10.21107/rekayasa.v13i2.6412.
Y. Sergio, V. Putranta, B. Rahayudi, and W. Purnomo, “Analisis Sentimen Masyarakat terhadap Kebijakan Penghapusan Subsidi BBM pada Media Sosial Twitter menggunakan Algoritma Naive Bayes Classifier dengan Ekstraksi Fitur N-Gram TF-IDF,†Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, 2023, [Online]. Available: http://j-ptiik.ub.ac.id
Y. Setiawan, “Data Mining Berbasis Nearest Neighbor dan Seleksi Fitur Untuk Deteksi Kanker Payudara,†Jurnal Informatika: Jurnal pengembangan IT (JPIT), vol. 8, no. 2, pp. 89–96, 2023.
D. P. Utomo and M. Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,†JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 4, no. 2, p. 437, Apr. 2020, doi: 10.30865/mib.v4i2.2080.
L. Hernando, V. A. Handayani, D. P. Caniago, and N. W. Nasution, “Penerapan Data Mining Dalam Analisa Profil Mahasiswa Menggunakan Metode Support Vector Machine (SVM),†Jurnal CoSciTech (Computer Science and Information Technology), vol. 4, no. 2, pp. 477–483, Sep. 2023, doi: 10.37859/coscitech.v4i2.5107.
R. Yendra et al., “Klasifikasi Data Mining Untuk Seleksi Penerimaan Calon Pegawai Negeri Sipil Tahun 2017 Menggunakan Metode Naïve Bayes,†Jurnal Sains Matematika dan Statistika, vol. 6, no. 1, 2020.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 JOINTECS (Journal of Information Technology and Computer Science)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pernyataan Hak Cipta dan Lisensi
Hak Cipta :
Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:
Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);
Lisensi :
JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.
This work is Under licensed
Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
