Analisis Sentiment Komentar Masyarakat Pada Game Online Mobile Legend Dalam Aplikasi Google Play Menggunakan Algoritma Support Vector Machine Dan Adaboost

Septiana, Septi and Yusuf, Suhendro (2025) Analisis Sentiment Komentar Masyarakat Pada Game Online Mobile Legend Dalam Aplikasi Google Play Menggunakan Algoritma Support Vector Machine Dan Adaboost. Masters thesis, Institut Informatika dan Bisnis Darmajaya.

	Text cover septiana.pdf Download (73kB)
	Text Halaman Pernyataan.pdf Download (312kB)
	Text Halaman Pengesahan.pdf Download (982kB)
	Text ABSTRAK.pdf Download (166kB)
	Text DAFTAR ISI.pdf Download (260kB)
	Text BAB I.pdf Download (400kB)
	Text BAB II.pdf Download (373kB)
	Text BAB III.pdf Download (249kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (168kB)
	Text DAFTAR PUSTAKA.pdf Download (288kB)
	Text LAMPIRAN.pdf Download (442kB)

Abstract

Perkembangan pesat game online, khususnya Mobile Legends dalam genre Multiplayer Online Battle Arena (MOBA), telah menarik perhatian banyak pemain. Ulasan yang diberikan oleh pengguna di platform seperti Google Play Store mengandung beragam opini yang dapat dianalisis untuk memahami persepsi pemain terhadap game tersebut. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna Mobile Legends di aplikasi Google Play dengan menggunakan algoritma Support Vector Machine (SVM) dan AdaBoost untuk meningkatkan akurasi klasifikasi sentimen menjadi positif atau negatif. Penelitian ini membatasi ruang lingkup pada penghitungan sentimen positif dan negatif, dengan dataset yang diperoleh melalui teknik scraping data dari Google Play Store. Data yang diambil berjumlah 10.000 ulasan, yang kemudian diproses dengan 1.000 data yang dilabeli secara manual sebagai referensi untuk pelabelan otomatis terhadap 9.000 data ulasan lainnya. Penelitian ini menggunakan RapidMiner 9 sebagai tool untuk pemrosesan data dan perhitungan akurasi. Hasil penelitian menunjukkan bahwa metode Support Vector Machine (SVM) menghasilkan akurasi sebesar 90,79%. Ketika digabungkan dengan algoritma boosting AdaBoost, akurasi meningkat menjadi 91,06%, menunjukkan bahwa teknik boosting dapat meningkatkan performa klasifikasi sentimen. Penelitian ini bermanfaat sebagai referensi bagi pengembang game dalam meningkatkan kualitas game melalui feedback dari pengguna, serta memberikan wawasan dalam menggunakan teknik analisis sentimen dengan akurasi tinggi untuk analisis ulasan publik.

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Septiana Ely Fadila
Date Deposited:	26 Aug 2025 08:29
Last Modified:	26 Aug 2025 08:29
URI:	http://repo.darmajaya.ac.id/id/eprint/21053

Actions (login required)

View Item