ANALISIS SENTIMEN PENGGUNA PLATFORM X TERHADAP GAME ROBLOX DI INDONESIA MENGGUNAKAN ALGORITMA NAIVE BAYES

Yulianto, Ahnaf Muzaki (2026) ANALISIS SENTIMEN PENGGUNA PLATFORM X TERHADAP GAME ROBLOX DI INDONESIA MENGGUNAKAN ALGORITMA NAIVE 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 (250kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Registered users only Download (731kB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Registered users only Download (350kB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Download (94kB)
	Text (DAFTAR PUSTAKA - LAMPIRAN) Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (143kB)
	Archive (SOURCE CODE) Sourcecode - 22.12.2280.zip - Published Version Restricted to Repository staff only Download (1MB)
	Text (PUBLIKASI) Publikasi.pdf - Published Version Restricted to Repository staff only Download (598kB)

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna Platform X terhadap game Roblox di Indonesia serta membandingkan kinerja tiga turunan algoritma Naive Bayes, yaitu Multinomial Naive Bayes, Bernoulli Naive Bayes, dan Gaussian Naive Bayes. Data yang digunakan berupa komentar pengguna Platform X yang telah melalui proses pra-pemrosesan teks dan diklasifikasikan ke dalam dua kelas sentimen, yaitu positif dan negatif. Representasi fitur dilakukan menggunakan metode TF-IDF, serta diterapkan teknik Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Hasil analisis sentimen menunjukkan bahwa sentimen positif lebih dominan dibandingkan sentimen negatif, dengan jumlah 832 data sentimen positif dan 613 data sentimen negatif. Hal ini mengindikasikan bahwa mayoritas pengguna Platform X di Indonesia memberikan tanggapan yang cenderung positif terhadap game Roblox. Berdasarkan hasil evaluasi kinerja model, Multinomial Naive Bayes menunjukkan performa terbaik dengan nilai akurasi sebesar 0,885, presisi 0,952, recall 0,843, F1-score 0,895, dan AUC sebesar 0,967. Bernoulli Naive Bayes juga menunjukkan performa yang kompetitif dengan akurasi 0,882 dan AUC 0,967, sementara Gaussian Naive Bayes memiliki performa yang relatif lebih rendah dibandingkan dua model lainnya. Dengan demikian, dapat disimpulkan bahwa Multinomial Naive Bayes merupakan model yang paling optimal untuk klasifikasi sentimen pengguna Platform X terhadap game Roblox berbasis representasi fitur TF-IDF.

Item Type:

Thesis (S1 - Sarjana)

Contributor:

Pembimbing
-, Norhikmah

Uncontrolled Keywords:

Analisis Sentimen, Naïve Bayes, Roblox, TF-IDF, SMOTE, Sentiment Analysis.

Subjects:

000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum

Divisions:

Fakultas Ilmu Komputer > Sistem Informasi

Depositing User:

RC Universitas AMIKOM Yogyakarta

Date Deposited:

13 Jul 2026 07:05

Last Modified:

13 Jul 2026 07:05

URI:

http://eprints.amikom.ac.id/id/eprint/32099

Actions (login required)

View Item