Algoritme Support Vector Machine untuk Analisis Sentimen Berbasis Aspek Ulasan Game Online Mobile Legends: Bang-Bang

Abstract

Kehadiran era teknologi digital dipermudah dengan adanya koneksi internet yang mudah diakses serta menyediakan banyak fitur dan hiburan salah satunya game online. Mobile Legends: Bang-Bang merupakan game online berjenis Multiplayer Online Battle Arena (MOBA) yang populer sejak diluncurkan pada tahun 2016. Kepopuleran tersebut tidak terlepas dari ulasan pengguna yang memberikan informasi dan sentimen berbeda. Penelitian ini akan mengidentifikasi sentimen ulasan pengguna aplikasi berdasarkan aspek gameplay, performa, visualisasi, dan player. Metode klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). Aplikasi game online Mobile Legends: Bang-Bang cenderung memiliki sentimen negatif berdasarkan aspek gameplay, performa, dan player. Akan tetapi, dari aspek visualisasi ulasan cenderung memiliki sentimen positif. Hasil evaluasi model dilakukan berdasarkan nilai akurasi, F1-score, dan AUC didapatkan bahwa aspek gameplay, performa, dan player memberikan tingkat klasifikasi yang lebih baik dibandingkan aspek visualisasi.

Analisis Sentimen Aplikasi Mobile Legends : Bang Bang Menggunakan Latent Dirichlet Allocation

“…Ulasan tersebut dapat mencerminkan penilaian positif atau negatif dari pengguna terhadap berbagai aspek dalam permainan. Informasi mengenai pendapat pengguna terhadap aplikasi perlu diambil dari ulasan sebelum dilakukan studi komputasi terhadap opini, sikap, dan emosi individu terhadap entitas tersebut melalui analisis sentimen [4].…”