ANALISIS SENTIMEN ULASAN APLIKASI MOBILE LEGENDS MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER (NBC)

Mufid, Muhammad Fauzan Aditiya (0026) ANALISIS SENTIMEN ULASAN APLIKASI MOBILE LEGENDS MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER (NBC). Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2113030029.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB)
	Text (Similarity) RAMA_57201_2113030029_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (137kB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2113030029_0723058501_0712108103_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (BAB 2) RAMA_57201_2113030029_0723058501_0712108103_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (291kB)
	Text (BAB 3) RAMA_57201_2113030029_0723058501_0712108103_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (263kB)
	Text (BAB 4) RAMA_57201_2113030029_0723058501_0712108103_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (486kB)
	Text (BAB 5) RAMA_57201_2113030029_0723058501_0712108103_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (12kB)
	Text (References) RAMA_57201_2113030029_0723058501_0712108103_06_Ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (143kB)
	Text (Lampiran) RAMA_57201_2113030029_0723058501_0712108103_07_Lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (756kB)

Abstract

Perkembangan Game mobile Mobile Legends di Indonesia menghasilkan volume ulasan yang sangat besar di Google Play Store. Banyaknya opini tidak terstruktur yang menggunakan bahasa informal dan slang teknis menyulitkan pihak pengembang dalam memantau keluhan pengguna secara manual. Oleh karena itu, diperlukan sistem analisis otomatis yang mampu mengolah data ulasan tersebut secara sistematis guna mengevaluasi tingkat kepuasan pengguna secara objektif. Penelitian ini bertujuan untuk mengukur akurasi Algoritma NAIVE BAYES CLASSIFIER (NBC) dalam mengklasifikasikan Sentimen ulasan menjadi tiga kelas, yaitu positif, negatif, dan netral. Tahapan metode yang digunakan meliputi pengumpulan Dataset dari Google Play Store, proses Text Preprocessing (cleaning, Tokenizing, filtering, Stemming), serta pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Hasil penelitian menunjukkan bahwa Algoritma NAIVE BAYES CLASSIFIER mampu mengklasifikasikan Sentimen ulasan dengan akurasi optimal setelah melalui preprocessing yang tepat. Penerapan TF-IDF berhasil memetakan keluhan utama pengguna terkait stabilitas server dan Matchmaking pada Sentimen negatif, serta apresiasi update fitur pada Sentimen positif. Kesimpulan dari penelitian ini adalah metode NAIVE BAYES CLASSIFIER dan TF-IDF sangat efektif digunakan sebagai instrumen evaluasi otomatis bagi pengembang Game. Penelitian ini memiliki keterbatasan pada cakupan data yang hanya bersumber dari Google Play Store dalam bahasa Indonesia. Pengembangan penelitian selanjutnya disarankan untuk memperluas sumber data seperti App Store atau media sosial, serta mengombinasikan Naive Bayes dengan metode ekstraksi fitur lain untuk meningkatkan akurasi.

Available Versions of this Item

• ANALISIS SENTIMEN ULASAN APLIKASI MOBILE LEGENDS MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER (NBC). (deposited UNSPECIFIED)
  • ANALISIS SENTIMEN ULASAN APLIKASI MOBILE LEGENDS MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER (NBC). (deposited UNSPECIFIED) [Currently Displayed]

Actions (login required)

View Item