ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP GAME GENSHIN IMPACT MENGGUNAKAN ALGORITMA NAÏVE BAYES

WIDAYANA, GEMA (2025) ANALISIS SENTIMEN ULASAN PENGGUNA TERHADAP GAME GENSHIN IMPACT MENGGUNAKAN ALGORITMA NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf - Published Version Download (1MB)
	Text (BAB I) BAB I.pdf - Published Version Download (366kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (354kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (98kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf - Published Version Restricted to Registered users only Download (362kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.4161.zip - Published Version Restricted to Repository staff only Download (735kB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Volume ulasan pengguna game Genshin Impact yang masif di Google Play Store menyulitkan pengembang untuk menganalisis persepsi pemain secara manual, yang berpotensi menghambat pengambilan keputusan strategis. Penelitian ini bertujuan membangun sistem analisis sentimen otomatis menggunakan algoritma Naïve Bayes. Penelitian ini menggunakan 10.000 data ulasan terbaru berbahasa Indonesia yang diambil dari Google Play Store menggunakan teknik web scrapping. Metode yang diterapkan meliputi preprocessing data, ekstraksi fitur menggunakan TF-IDF, dan membagi data menjadi 2 yaitu, data latih dan data uji dengan klasifikasi sentimen Multinomial Naïve Bayes. Proses klasifikasi pada penelitian ini dibagi menjadi dua skenario pengujian, yaitu pada skenario pertama model MNB dilatih menggunakan parameter default tanpa optimasi hyperparameter tuning untuk mendapatkan gambaran performa dasarnya. Selanjutnya, pada skenario kedua model dilatih kembali menggunakan hyperparameter terbaik yang diperoleh dengan metode GridSearchCV untuk mengevaluasi pengaruh hyperparameter tuning terhadap performa model. Hasil penelitian menunjukkan distribusi sentimen yang hampir seimbang, yaitu 55.1% sentimen Positif dan 44.9% sentimen Negatif. Model sebelum tuning berhasil mencapai akurasi yang baik, yaitu sebesar 82% dan berhasil mengklasifikasikan sebanyak 933 ulasan positif dan 713 ulasan negatif. Setelah dilakukan tuning, hasil evaluasi menunjukkan bahwa hyperparameter tuning tidak memberikan peningkatan performa yang signifikan. Akurasi model optimal tetap stagnan di 82%. Penelitian ini berkontribusi dalam bidang text mining yang dapat dimanfaatkan oleh peneliti lain untuk mengeksplorasi algoritma yang berbeda, serta memberikan pengetahuan berharga bagi pengembang game Genshin Impact maupun industri game secara umum untuk memahami persepsi pengguna dan meningkatkan kualitas layanan.

Actions (login required)

View Item