Analisa Sentimen Berbasis Teks Permainan Counter Strike 2 dengan Algoritma Klasifikasi

Wijaya, Ferrozio (2024) Analisa Sentimen Berbasis Teks Permainan Counter Strike 2 dengan Algoritma Klasifikasi. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (387kB)
	PDF BAB_I.pdf Download (170kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Download (277kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (2MB)
	PDF BAB_V.pdf Download (150kB)
	PDF DAFTAR_PUSTAKA.pdf Download (173kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (397kB)

Abstract

Pada 27 September 2024 seluruh dunia dikejutkan dengan rilisnya permainan tembak-menembak yang berfokus pada sudut pandang orang pertama bernama Counter Strike 2. Rilisnya permainan baru ini mengundang banyak tanggapan dari berbagai jenis kalangan ang beragam di berbagai media sosial, dimana ada yang menyukai dan juga ada yang tidak. Untuk itu, maka dilakukanlah penelitian untuk mengetahui hal apa yang menjadi alasan pemain beranggapan positif ataupun negatif terkait Counter Strike 2. Penelitian ini akan dilakukan dengan pendekatan analisis sentimen dimana komentar pemain pada Steam akan diambil dengan metode web scrapping oleh library Beautiful Soup dari Python. Setelah data berhasil dikumpulkan, maka data tersebut akan disaring dengan metode Criteria Sampling, dimana komentar hanya akan diambil apabila memenuhi kriteria yang ditetapkan, yaitu diatas 100 jam bermain, komentar berbahasa Inggris, dan juga harus diunggah diantara 27 September 2023 hingga 1 April 2024. Data yang sudah dipreparasikan nantinya dianalisis berdasarkan nilai rating dan juga berdasarkan sentimen komentarnya dengan mengoptimalisasi berbagai algoritma Klasifikasi seperti Random Forest, Naive Bayes, Logistic Regression, dan Support Vector Machine. Alasan dibandingkan keempat algoritma tersebut dalam analisis sentimen dikarenakan masing-masing memiliki pendekatan unik dalam klasifikasi yang dapat mempengaruhi akurasi dan efisiensi, serta kemampuan untuk menangani data yang bervariasi dan kompleks. Setelah dilakukannya penelitian, terungkap bahwa kata "game", "cheater", dan "good" merupakan kata yang paling berbobot dengan perolehan skor MI secara berturut-turut 0.55, 0.23, dan 0.11. Penelitian ini juga memberikan hasil evaluasi model dari analisis sentimen pemain, dimana Random Forest menghasilkan akurasi terbaik, yaitu 86,9%, yaitu 5,2% diatas Logistic Regression yang menempati posisi kedua. Model Machine Learning Random Forest kemudian digunakan sebagai model dari sebuah aplikasi berbasis web yang dirancang untuk memprediksi sentimen dan rekomendasi berdasarkan teks yang diketik oleh penggunanya.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Algoritma Klasifikasi, Analisis Sentimen , Counter Strike 2 , Machine Learning, Steam
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:04
Last Modified:	10 Nov 2024 11:04
URI:	https://kc.umn.ac.id/id/eprint/34065

Actions (login required)

View Item