ANALISIS SENTIMENT PADA APLIKASI GOOGLE PLAY STORE TENTANG GAME GENSHIN IMPACT DENGAN METODE KNN

• Adam Bagus Mugi Raharjo

---

ABSTRAK

ABSTRAKSI

 

 

Adam Bagus Mugi Raharjo, (11130386) Analisis Sentiment Pada Aplikasi Google Play Store Tentang Game Genshin Impact Dengan Metode KNN

 

Sentimen analisis atau analisis sentimen adalah studi komputasional dari opini-opini orang. Analisis sentimen akan mengelompokkan teks yang ada dalam kalimat atau dokumen untuk mengetahui pendapat yang dikemukakan dalam kalimat atau dokumen tersebut, bisa berupa positif atau negatif. Skripsi ini membahas tentang review sentimen seseorang di aplikasi Google Play Store tentang game Genshin Impact yang kemudian sentimen yang berbentuk review diolah dengan melakukan text processing kemudian di klasifikasikan menggunakan algoritma K-Nearest Neighbor. Hasil akurasi analisis sentimen menggunakan K-Nearest Neighbor terhadap Review game Genshin Impact di aplikasi Google Play Store 10-fold dengan k 10 sebesar 66% dan keseluruhan data yg sudah text processing mengguanakan aplikasi Rapidminer mendapat akurasi 50%

Kata kunci : sentimen, text processing, google play store, genshin impact, K-Nearest Neighbor

KATA KUNCI

Analisis data penelitian

---

DAFTAR PUSTAKA

DAFTAR PUSTAKA

1. K. Surbakti, “Pengaruh Game Online Terhadap Remaja,” J. Curere, vol. 01, no. 01, pp. 28–38, 2017.
2. A. Atthariq and D. A. Putra, “Penentuan Pergerakan Non-Player Character Menggunakan Algoritma a* Pada Game Action- Role-Playing Game,” J. Infomedia, vol. 2, no. 2, pp. 35– 40, 2018, doi: 10.30811/.v2i2.516.
3. S. L. I. Mesran, oOris Krianto, Hadion Wijoyo, Surya Hendra Purtra, Ronal Watrianthos, Refina Sinaga, Rosa Mardiana, Megasari Gusandra Saragih, Merdeka Kreatif di Era Pandemi Covid-19. Green Press, 2020.
4. S. P. M. H. prof. Dr. Fathur Rokhman, M.Hum. Surahmat, Linguistik Distruptif ( Pendekatan Kekinian Memahami Perkembangan Bahasa). Rawamangun: PT. Bumi Aksara, 2020.
5. N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.
6. Z. Efendi and M. Mustakim, “Text Mining Classification sebagai Rekomendasi Dosen Pembimbing Tugas Akhir Program Studi Sistem Informasi,” Semin. Nas. Teknol. Inf. Komun. dan Ind., vol. 0, no. 0, pp. 235–242, 2017, [Online]. Available: http://ejournal.uin- suska.ac.id/index.php/SNTIKI/article/view/3273.
7. T. Ramdani, … Y. C.-S. N., and undefined 2018, “Pengklasifikasian Tema Penelitian Berdasarkan Abstrak Menggunakan Vector Space Model (Vsm) Dan K-Nearest Neighbor (K-Nn),” Prosiding.Uika-Bogor.Ac.Id, 2018, [Online]. Available: http://prosiding.uika- bogor.ac.id/index.php/semnati/article/view/127.
8. S. Mujilahwati, “Pre-Processing Text Mining Pada Data Twitter,” Semin. Nas. Teknol. Inf. dan Komun., vol. 2016, no. Sentika, pp. 2089–9815, 2016.
9. D. Wahyudi, T. Susyanto, and D. Nugroho, “Implementasi Dan Analisis Algoritma Stemming Nazief & Adriani Dan Porter Pada Dokumen Berbahasa Indonesia,” J. Ilm. SINUS, vol. 15, no. 2, 2017, doi: 10.30646/sinus.v15i2.305.
10. A. Riyani, M. Zidny, and A. Burhanuddin, “Penerapan Cosine Similarity dan Pembobotan TF-IDF untuk Mendeteksi Kemiripan Dokumen,” vol. 2, no. 1, pp. 23–27, 2019.
11. M. Rivki and A. M. Bachtiar, “Implementasi Algoritma K-Nearest Neighbor Dalam Pengklasifikasian Follower Twitter Yang Menggunakan Bahasa Indonesia,” J. Sist. Inf., vol. 13, no. 1, p. 31, 2017, doi: 10.21609/jsi.v13i1.500.
12. M. Ni, I. Budiman, P. Ilmu, K. Fmipa, J. A. Yani, and K. Banjarbaru, “P ERBANDINGAN PENGARUH NILAI CENTROID AWAL PADA ALGORITMA K-MEANS DAN K- MEANS ++ CONFUSION MATRIX,” vol. 1, pp. 118–127, 2017.
13. I. Indriati and A. Ridok, “Sentiment Analysis for Review Mobile Applications Using Neighbor Method Weighted K-Nearest Neighbor (Nwknn),” J. Enviromental Eng. Sustain. Technol., vol. 3, no. 1, pp. 23–32, 2016, doi: 10.21776/ub.jeest.2016.003.01.4.