Analisis Sentimen Ulasan Video Game My Lovely Daughter Menggunakan Metode Multinomial Naïve Bayes

Sagtya Rengga Surya Pratama, Deni Arifianto, Budi Satria Bakti

Abstract


Dengan kemajuan teknologi informasi, platform untuk penjualan dan pembelian konten elektronik seperti video game semakin berkembang, contohnya adalah Steam, Epic Games Store, Origin, dan Uplay. Evaluasi kualitas suatu game seringkali melibatkan analisis ulasan dari para pemain, tetapi tidak semua ulasan dengan jelas dapat dikategorikan sebagai direkomendasikan atau tidak. Contohnya adalah game My Lovely Daughter, yang dikembangkan oleh developer Indonesia dan tersedia di platform Steam. Masalahnya adalah kejelasan kategori pada ulasan yang dapat mempengaruhi pengembangan game selanjutnya. Oleh karena itu, analisis sentimen diperlukan untuk mengidentifikasi apakah ulasan tersebut bersifat positif atau negatif. Dalam hal ini, metode klasifikasi Multinomial Naïve Bayes telah terbukti efisien. Implementasi Multinomial Naïve Bayes berhasil meningkatkan akurasi, presisi, dan recall dibandingkan dengan metode klasifikasi lainnya. Implementasi metode Multinomial Naïve Bayes mencapai akurasi tertinggi sebesar 70% pada K-Fold 10 bagian 8, presisi tertinggi sebesar 70% pada K-Fold 10 bagian 7, dan recall tertinggi sebesar 73% pada K-Fold 10 bagian 8. Berdasarkan hasil penelitian, dapat disimpulkan bahwa game My Lovely Daughter mendapat ulasan positif dari pengguna di platform Steam.

Kata kunci : My Lovely Daughter, Steam, Analisis Sentimen, Multinomial Naïve Bayes

Full Text:

PDF

References


Arifianto, D., Umilasari, R., & Wahyudi, E. (2020). Pemanfaatan Media Sosial dan Marketplace Untuk Meningkatkan Pemasaran Produksi UMKM Bonpay dan Arumfood. Jurnal Pengabdian Masyarakat IPTEKS, 6(2), 155-160.

Bakti, B. S., & Halim, M. (2016). Penerapan Fungsi Linier Untuk Penentuan Komponen Penilaian Kesehatan Koperasi. JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia), 1(2).

Cindo, M., Rini, D. P., & Ermatita, E. (2019). Literatur Review: Metode Klasifikasi pada Sentimen Analisis. Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) (Vol. 1, No. 1).

Hasri, C. F., & Alita, D. (2022). Penerapan Metode Naïve Bayes Classifier dan Support Vector Machine pada Analisis Sentimen Terhadap Dampak Virus Corona di Twitter. Jurnal Informatika dan Rekayasa Perangkat Lunak, 3(2), 145-160.

Imadudin, F. R., & Murdiansyah, D. T. (2021). Implementation of Naïve Bayes and Gini Index for Spam Email Classification. Indonesia Journal on Computing (Indo-JC), 6(1), 85-94.

Jayana, M. A. P., & Priharsari, D. (2022). Analisis Pengalaman Pengguna pada Situs Distribusi Digital menggunakan Metode Usability Testing dan User Experience Questionnaire (Studi pada store.steampowered.com dan gog.com). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(2), 527-536.

Pamuji, A. (2022). Prediksi Otorisasi Pengguna Sistem Berkas pada Algoritma Klasifikasi dengan Teknik Naïve Bayes. INFOMATEK: Jurnal Informatika, Manajemen dan Teknologi, 24(1), 35-44.

Pratama, L. I., Lestanti, S., & Wulansari, Z. (2023). Penerapan Metode Weighted Sum Model pada Sistem Seleksi Supplier di UD. Sumber Besi Berbasis Web. JATI (Jurnal Mahasiswa Teknik Informatika), 7(2), 1157-1161.

Purnomoputra, R. B., Adiwijaya, A., & Wisesty, U. N. (2019). Sentiment Analysis of Movie Review Using Naïve Bayes Method with Gini Index Feature Selection. Journal of Data Science and Its Applications, 2(2), 85-94.

Putra, J. W. G. (2019). Pengenalan Konsep Pembelajaran Mesin dan Deep Learning. Tokyo. Jepang.

Rintyarna, B. S., Sarno, R., & Fatichah, C. (2020). Enhancing the Performance of Sentiment Analysis Task on Product Reviews by Handling Both Local and Global context. International Journal of Information and Decision Sciences, 12(1), 75-101.

Rismayani, R., Hasyrif, S. Y., Darwansyah, T., & Mansyur, I. (2022). Implementasi Algoritma Text Mining dan Cosine Similarity untuk Desain Sistem Aspirasi Publik Berbasis Mobile. Komputika: Jurnal Sistem Komputer, 11(2), 169-176.

Sharma, C., Sakhuja, S., & Nijjer, S. (2022). Recent Trends of Green Human Resource Management: Text Mining and Network Analysis. Environmental Science and Pollution Research, 29(56), 84916-84935.

Syahputra, R., Yanris, G. J., & Irmayani, D. (2022). SVM and Naïve Bayes Algorithm Comparison for User Sentiment Analysis on Twitter. Sinkron: Jurnal dan Penelitian Teknik Informatika, 7(2), 671-678.

Toge Productions. (2018). My Lovely Daughter by Toge Productions. https://togeproductions.itch.io/my-lovely-daughter.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.