Analisis Sentimen Ulasan Game Marvel Rivals Menggunakan Algoritma Machine Learning dan Deep Learning

Arga Soetasad, Albertus (2025) Analisis Sentimen Ulasan Game Marvel Rivals Menggunakan Algoritma Machine Learning dan Deep Learning. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (362kB)
	PDF BAB_II.pdf Download (769kB)
	PDF BAB_III.pdf Download (660kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (3MB)
	PDF BAB_V.pdf Download (236kB)
	PDF DAFTAR_PUSTAKA.pdf Download (569kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (882kB)

Abstract

Industri permainan digital berkembang pesat dengan semakin banyaknya pemain yang memberikan ulasan di berbagai platform. Marvel Rivals, sebagai permainan hero shooter yang baru, menarik perhatian komunitas game dan menghasilkan banyak opini dari pemain. Terdapat urgensi bagi pengembang game Marvel Rivals yang masih terbilang baru, memahami respons pemain dari volume ulasan yang besar, sehingga dapat mengambil tindakan yang tepat guna meningkatkan daya saingnya di pasar yang dinamis. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pemain terhadap Marvel Rivals menggunakan algoritma Random Forest, Multinomial Naïve Bayes, XGBoost, dan Bi-LSTM guna menentukan model terbaik dalam klasifikasi sentimen. Perbandingan antara algoritma machine learning dan deep learning dalam penelitian ini dilakukan untuk mengevaluasi efektivitasnya dalam konteks analisis sentimen ulasan permainan digital. Penelitian ini menggunakan metode kuantitatif dengan menerapkan framework CRISP-DM, yang mencakup pemahaman bisnis, eksplorasi data, preparasi data, pembangunan model, serta evaluasi dan deployment. Data dikumpulkan melalui teknik web scraping dari ulasan pemain di platform Steam, kemudian dilakukan pemrosesan teks seperti tokenisasi, penghapusan stopwords, dan lemmatization. Hasil penelitian menunjukkan bahwa model Bi-LSTM memberikan performa terbaik dengan akurasi 89%. Evaluasi model menunjukkan bahwa Bi-LSTM memiliki keseimbangan terbaik antara akurasi dan generalisasi. Implementasi hasil analisis dilakukan melalui aplikasi yang memanfaatkan LLM untuk menganalisis ulasan secara otomatis.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Arga Soetasad, Albertus (00000059295)
Contributors:	Fernando, Erick
Keywords:	Analisis Sentimen, Bi-LSTM, Multinomial Naïve Bayes, Random Forest, XGBoost
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 07:30
URI:	https://kc.umn.ac.id/id/eprint/40287

Actions (login required)

View Item