This Author published in this journals
All Journal JIKTIF
Tanto Dwi Rantau Jati
Universitas Islam Makassar

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Algoritma Naïve Bayes Pada Analisis Sentimen Pengguna Game Mobile Legends Di Google Play Store Tanto Dwi Rantau Jati; Syarifuddin Baco; Nursuci Putri Husain
Jurnal Ilmu Komputer dan Teknologi Informasi Vol. 2 No. 1 (2025): Juni
Publisher : Teknik Informatika Universitas Islam Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.71466/jiktif.v2i1.76

Abstract

Mobile Legends: Bang Bang merupakan salah satu game bergenre MOBA-RPG yang dibuat oleh Moonton dari Shanghai, China yang diluncurkan pada tahun 2016. Analisis sentimen atau disebut sebagai opinion mining adalah salah satu bidang dari Natural Language Processing (NLP) yang dapat digunakan untuk menentukan apakah suatu data bersifat netral, negatif, atau positif. Algoritma Naïve Bayes merupakan salah satu algoritma yang terdapat dalam teknik klasifikasi yang berbasis probabilitas dalam statistik yang ditemukan oleh Thomas Bayes. Algoritma ini memprediksi kemungkinan nantinya di masa depan berdasarkan kemungkinan di masa lampau menggunakan Teorema Bayes. Kemudian dikombinasikan dengan asumsi "naïve" di mana kondisi antar atribut dianggap saling lepas dan tidak berhubungan dengan yang lainnya. Penelitian ini menggunakan jenis penelitian Research and Development (R&D), merupakan suatu pendekatan sistematis yang digunakan dalam konteks penelitian untuk mengembangkan dan meningkatkan produk, proses, atau inovasi. Teknik pengumpulan data dilakukan dengan cara scrapping data dari Google Play Store. Hasil pengujian website untuk analisis sentimen pengguna game Mobile Legends di Google Play Store menunjukkan bahwa sistem berfungsi dengan baik. Prediksi yang dihasilkan oleh algoritma ini mencatatkan nilai akurasi 92%, berdasarkan hasil perhitungan recall, kelas Positif memiliki sebesar 0,9690, kelas negatif juga mencapai 0,9266, dan kelas Netral memiliki sebesar 0,8666. Rata-rata recall dihitung menggunakan Weighted Average, menghasilkan nilai 0,9252 atau 92%, dan Hasil perhitungan precision bahwa kelas Positif memiliki sebesar 0,9126 , kelas Negatif mencapai 0,9619, dan kelas Netral memiliki 0,8904. Rata-rata precision dihitung menggunakan Weighted Average, menghasilkan nilai 0,9257 atau 92%, yang menunjukkan bahwa algoritma tersebut memiliki tingkat klasifikasi yang sangat baik.