Analisis Sentimen Ulasan Gim Menggunakan Metode Support Vector Machine dan Particle Swarm Optimization

Leonardo Supriyatna, Bryan (2023) Analisis Sentimen Ulasan Gim Menggunakan Metode Support Vector Machine dan Particle Swarm Optimization. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (916kB)
	PDF BAB_I.pdf Download (215kB)
	PDF BAB_II.pdf Download (687kB)
	PDF BAB_III.pdf Download (291kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (223kB)
	PDF DAFTAR_PUSTAKA.pdf Download (214kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (502kB)

Abstract

Perkembangan gim yang sangat pesat membuat kategori gim menjadi beragam, sehingga banyak sekali opini-opini mengenai gim yang telah dirilis. Dibutuhkan analisis sentimen pada ulasan gim agar dapat menarik minat calon pemain. Gim Baldur's Gate 3 yang baru dirilis daat dilakukan analisa karena kepoulerannya. Analisis sentimen yang dilakukan mengunakan algoritma Support Vector Machine dan Particle Swarm Optimization. Uji coba Support Vector Machine (SVM) dilakukan dengan kernel linear, parameter nilai 'C' adalah 10 menghasilkan nilai akurasi sebesar 97,28%. Algoritma SVM yang dioptimisasi menggunakan metode Particle Swarm Optimization menghasilkan akurasi sebsesar 97,61% dengan menggunakan parameter c1 adalah 0,2, c2 adalah 0,5 dan w adalah 0,6. Berdasarkan hasil tersebut analisis sentimen mengunakan metode SVM dan PSO telah berhasil dilakukan dengan peningkatan akurasi sebesar 0,33%. Ulasan gim ini memiliki nilai sentimen dari netral sampai positif maka gim ini dapat direkomendasikan kepada pemain lain.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	analisis sentimen, baldur's gate 3, particle swarm optimization, support vector machine.
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	06 Nov 2024 02:08
Last Modified:	06 Nov 2024 02:08
URI:	https://kc.umn.ac.id/id/eprint/32132

Actions (login required)

View Item