ANALISIS SENTIMEN ULASAN GAME MOBILE FIRST-PERSON SHOOTER DI GOOGLE PLAY STORE MENGGUNAKAN METODE PEMBOBOTAN TF-IDF

Syahroni Wahyu Iriananda, Rangga Pahlevi Putra, Anugrah Ahzul Raihan, Deni Adi Saputra, Egi Verdiansyah

Abstract


Paper ini membahas tentang analisis sentimen ulasan game mobile genre FPS menggunakan metode pembobotan TF-IDF. Dalam penelitian ini, penulis menggunakan 2180 ulasan yang telah divalidasi dan dibersihkan, di mana 1258 ulasan diklasifikasikan sebagai positif dan 922 ulasan sebagai negatif. Dengan menggunakan pembobotan TF-IDF dan pengujian model klasifikasi, penelitian ini mencapai tingkat akurasi sebesar 76%, dengan presisi 75%, recall 74%, dan F1-score 75%. Hasil ini menunjukkan bahwa metode pembobotan TF-IDF dapat menghasilkan analisis sentimen yang efektif dan otomatis untuk ulasan game mobile genre FPS, memberikan kontribusi penting dalam pengembangan metode analisis sentimen dalam konteks tersebut.


Full Text:

PDF

References


M. Furini and M. Montangero, “Sentiment analysis and Twitter: a game proposal,” Pers. Ubiquitous Comput., vol. 22, no. 4, pp. 771–785, 2018, doi: 10.1007/s00779-018-1142-5.

Risda, F. J. Septriwinti, and F. Nasution, “Pendekatan Pemrosesan Informasi,” Mudabbir (Journal Res. Educ. Stud., vol. 3, no. 1, pp. 49–59, 2023.

R. Kosasih and A. Alberto, “Sentiment analysis of game product on shopee using the TF-IDF method and naive bayes classifier,” Ilk. J. Ilm., vol. 13, no. 2, pp. 101–109, 2021, doi: 10.33096/ilkom.v13i2.721.101-109.

J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” J. Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, 2019, doi: 10.52985/insyst.v1i1.36.

R. Weber, K.-M. Behr, R. Tamborini, U. Ritterfeld, and K. Mathiak, “What Do We Really Know about First-Person-Shooter Games? an Event-Related, High-Resolution Content Analysis,” J. Comput. Commun., vol. 14, no. 4, pp. 1016–1037, Jul. 2009, doi: 10.1111/j.1083-6101.2009.01479.x.

G. F. Mandias, G. A. Sandag, A. G. Takalumbide, and C. Wahongan, “Analisa Pola Peminjaman Buku di Pepustakaan Universitas Klabat Menggunakan Algoritma Apriori,” Konf. Nas. Sist. Inf., pp. 8–9, 2018.

G. Piatetsky-Shapiro, “Knowledge discovery in databases: Progress report,” Knowl. Eng. Rev., vol. 9, no. 1, pp. 57–60, 1994, doi: 10.1017/S0269888900006573.

R. P. Sidiq, B. A. Dermawan, and Y. Umaidah, “Sentimen Analisis Komentar Toxic pada Grup Facebook Game Online Menggunakan Klasifikasi Naïve Bayes,” J. Inform. Univ. Pamulang, vol. 5, no. 3, p. 356, 2020, doi: 10.32493/informatika.v5i3.6571.

J. Eska, “Penerapan Data Mining Untuk Prekdiksi Penjualan Wallpaper Menggunakan Algoritma C4.5 STMIK Royal Ksiaran,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 2, pp. 9–13, 2016.

F. Handayani, “Aplikasi Aplikasi Data Mining Menggunakan Algoritma K-Means Clustering untuk Mengelompokan Mahasiswa Berdasarkan Gaya Belajar,” J. Teknol. dan Inf., vol. 12, no. 1, pp. 46–63, 2022, doi: 10.34010/jati.v12i1.6733.

G. Gustientiedina, M. H. Adiya, and Y. Desnelita, “Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan,” J. Nas. Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 17–24, 2019, doi: 10.25077/teknosi.v5i1.2019.17-24


Refbacks

  • There are currently no refbacks.



Diterbitkan oleh:
Lembaga Penelitian dan Pengabdian Masyarakat (LPPM)
Universitas Widyagama Malang
Jl. Borobudur 35 Malang
email : [email protected]

This work is Under licensed

Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)