SUPPORT VECTOR MACHINE PADA REVIEW GAME GARENA FREE FIRE BERBASIS WEBSITE
Abstract
Permainan (game) Garena Free Fire merupakan game yang populer di smartphone. Game Garena Internasional I Free Fire dimainkan dengan mengunduh aplikasi melalui Google Play dan jumlah pengunduh pada bulan September 2023 mencapai 1 Milyar. Salah satu fitur Google Play adalah mampu memberi ulasan terhadap game, aplikasi, film maupun buku. Ulasan yang ditulis dapat berupa ulasan positif atau negatif. Analisis ulasan (review) pengguna sangat penting bagi pihak pengembang untuk mengetahui tingkat kepuasan maupun kritikan dari pengguna game Garena Free Fire. Pihak pengembang juga dapat memanfaatkan kelebihan dan kekurangan dari hasil review, sehingga perlu dilakukan analisis terhadap hasil review game Garena Free Fire dengan menggunakan metode (SVM) berbasis website. Tahapan penelitian meliputi identifikasi kebutuhan, tahap preprocessing terdiri dari case folding, cleansing, pelabelan, tokenizing, stemming dan stopword. Pembagian data review sebanyak 500 data Support Vector Machine dibagi menjadi 150 data uji dan 350 data latih untuk dihitung pembobotan masing-masing kata dan dilakukan tahap processing dengan metode SVM. Hasil pembahasan dapat ditampilkan dalam bentuk visualisasi hasil menggunakan diagram pie dan bar. Demikian pula telah dilakukan uji coba terhadap aplikasi menggunakan black box testing. Pada review menunjukkan tingkat akurasi dalam metode SVM yang paling tinggi nilainya sebesar 80% pada skema 70% data latih dan 30% data uji. Website yang dibangun menggunakan bahasa pemrograman PHP, untuk tampilannya menggunakan HTML dan CSS. Data yang diproses menggunakan bahasa pemrograman Python.
References
. Andri Suryadi. Perancangan Aplikasi Game Edukasi Menggunakan Model Waterfall. Jurnal PETIK, No.1 hal. 8-13. 2017
. Arief Aulia. Analisis Sentimen Pelanggan Jasa Kurir JNE berbasis Opinion Mining dengan Algoritma KNN sebagai Classifier. Skripsi, Universitas Dinus, 2017.
. Ding, X., Liu, B., & Yu, Philip S. A Holistic Lexicon-Based Approach to Opinion Mining. WSDM. 2008.
. Joanna Mayary.Analisis Sentimen Pengguna Twitter Terhadap Dompet Elektronik Dengan Metode Lexicon Based Dan K-Nearest Neighbor. Skripsi, Universitas Gunadarma, 2019.
. Herodion Simorangkir, Kemas Muslim Lhaksamana. Analisis Sentimen pada Twitter untuk Games Online Mobile Legends dan Arena of Valor dengan Metode Naïve Bayes Classifier. Jurnal e-Proceeding, Vol.5, No.3. hal. 8131-8140. 2018.
. I. M. D. Ardiada, M. Sudarma, dan D. Giriantari, Text Mining pada Sosial Media untuk Mendeteksi Emosi Pengguna Menggunakan Metode Support Vector Machine dan K-Nearest Neighbour. Maj. Ilm. Teknol. Elektro, vol. 18, no. 1, pp. 55, Mei 2019.
. Rendito Hasri W. Analisis Sentimen Ulasan Aplikasi TIX ID Pada Google Play Menggunakan Algoritma Support Vector Machine (SVM). Skripsi, Universitas Gunadarma, 2019.
. Putri, E. K. Setiadi, T. Penerapan Text Mining Pada Sistem Klasifikasi. Jurnal Sarjana Teknik Informatika. e-ISSN: 2338-5197, hal. 73- 83. 2014.
. Santosa, B. Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Graha Ilmu Yogyakarta, 2007.
. Santoso, Radna Nurmalina. Perancangan Dan Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card Guna Pengembangan Kampus Cerdas. Jurnal Integrasi, Vol. 9, No. 1 hal. 84-91 e-ISSN: 2548 – 9828. 2017.
. Zashika Hanifa. Analisis Sentimen Ulasan Pengguna Aplikasi OVO Pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier. Skripsi, Universitas Gunadarma, 2021
. DQlab. Pentingnya Preprocessing dalam Pengolahan Data Statistik”. Diakses pada 24 Agustus 2021.
https://www.dqlab.id/pentingnya-preprocessing-dalam-pengolahan-data-statistik
. Randy Fauzi F. Jumlah Gamer Indonesia Tumbuh, Masa Depan Cerah Buat Industri Esports?. Diakses pada 10 Agustus 2021
. Google Play. Garena Free Fire. Diakses pada 18 Agustus 2021.
https://play.google.com/store/apps/details?id=com.dts.freefireth&hl=in&gl=US.
_.png)
.png)
