Analisis Sentimen Terhadap Ulasan Game Pada Situs Steam Menggunakan Metode Random Forest Dan Ekstraksi TF-IDF

MUHAMMAD RO`ID AKBAR ASLAMI

Informasi Umum

Kode

23.04.2531

Klasifikasi

004.028 5 - Data Processing- computer science applied to a specific subject or discipline

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Science

Dilihat

636 kali

Informasi Lainnya

Abstraksi

Steam memberikan tempat kepada pembelinya untuk menulis ulasan dari software atau game yang telah dibeli, dalam hal ini juga membantu pengembang untuk mengetahui kritik dan saran yang diberikan dari komunitasnya. Tetapi jumlah ulasan yang diberikan oleh user sangat banyak sehingga pengembang sangat sulit untuk mengetahui apakah user menyukai atau tidak menyukai game yang mereka buat dan juga ulasan isinya berbeda maksudnya dengan label yang mereka berikan, maka dari itu analisis sentimen digunakan untuk mempermudah pengembang dalam melihat ulasan yang telah diberikan user. Pada penelitian ini metode analisis sentimen yang digunakan adalah Random forest dan Fitur ektraksi TF-IDF, dalam penelitian ini juga membandingkan dampak Bigram dan Trigram TF-IDF, dan juga dampak penggunaan Lemmatize pada preproccesing. Berdasarkan hasil penelitian uji skenario penggunaan TF-IDF Bigram dan tanpa Lemmatize mendapatkan hasil yang bagus dengan rata-rata F1-Score 62% dibandingan kan dengan skenario lainnya menggunakan Trigram dan tanpa Lemmatize.Steam memberikan tempat kepada pembelinya untuk menulis ulasan dari software atau game yang telah dibeli, dalam hal ini juga membantu pengembang untuk mengetahui kritik dan saran yang diberikan dari komunitasnya. Tetapi jumlah ulasan yang diberikan oleh user sangat banyak sehingga pengembang sangat sulit untuk mengetahui apakah user menyukai atau tidak menyukai game yang mereka buat dan juga ulasan isinya berbeda maksudnya dengan label yang mereka berikan, maka dari itu analisis sentimen digunakan untuk mempermudah pengembang dalam melihat ulasan yang telah diberikan user. Pada penelitian ini metode analisis sentimen yang digunakan adalah Random forest dan Fitur ektraksi TF-IDF, dalam penelitian ini juga membandingkan dampak Bigram dan Trigram TF-IDF, dan juga dampak penggunaan Lemmatize pada preproccesing. Berdasarkan hasil penelitian uji skenario penggunaan TF-IDF Bigram dan tanpa Lemmatize mendapatkan hasil yang bagus dengan rata-rata F1-Score 62% dibandingan kan dengan skenario lainnya menggunakan Trigram dan tanpa Lemmatize.Steam memberikan tempat kepada pembelinya untuk menulis ulasan dari software atau game yang telah dibeli, dalam hal ini juga membantu pengembang untuk mengetahui kritik dan saran yang diberikan dari komunitasnya. Tetapi jumlah ulasan yang diberikan oleh user sangat banyak sehingga pengembang sangat sulit untuk mengetahui apakah user menyukai atau tidak menyukai game yang mereka buat dan juga ulasan isinya berbeda maksudnya dengan label yang mereka berikan, maka dari itu analisis sentimen digunakan untuk mempermudah pengembang dalam melihat ulasan yang telah diberikan user. Pada penelitian ini metode analisis sentimen yang digunakan adalah Random forest dan Fitur ektraksi TF-IDF, dalam penelitian ini juga membandingkan dampak Bigram dan Trigram TF-IDF, dan juga dampak penggunaan Lemmatize pada preproccesing. Berdasarkan hasil penelitian uji skenario penggunaan TF-IDF Bigram dan tanpa Lemmatize mendapatkan hasil yang bagus dengan rata-rata F1-Score 62% dibandingan kan dengan skenario lainnya menggunakan Trigram dan tanpa Lemmatize.