Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Information Technology and Computer Science (JOINTECS)
Galang Paksi Permana
Universitas PGRI Kanjuruhan
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science Mathematics

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

Found 1 Documents
Search

 1 
Perbandingan Performa SVM dan Naïve Bayes Pada Analisis Sentimen Aplikasi Game Online Galang Paksi Permana; Danang Aditya Nugraha; Heri Santoso
JOINTECS (Journal of Information Technology and Computer Science) Vol 8, No 1 (2024)
Publisher : Universitas Widyagama Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31328/jointecs.v8i1.4854

Abstract

Game online saat ini berkembang sangat pesat terutama game online berbasis mobile, salah satunya adalah Clash of Clans. Game yang sudah berusia lebih dari 10 tahun ini masih mampu bersaing dengan game mobile terbaru lainnya. Hal tersebut tidak lepas dari pengembangan dan pembaruan yang dilakukan oleh developer. Namun tentu pengembangan dan pembaruan tersebut tidak bisa sepenuhnya diterima oleh seluruh pemain game Clash of Clans. Banyak ulasan yang diberikan oleh pengguna di Google Play Store. Ditemukan ketidak sinkronan antara rating yang diberikan dengan ulasan yang diberikan, oleh karena itu dibutuhkan analisis sentimen untuk mengetahui jenis sentimen yang diberikan. Pada penelitian ini dilakukan penerapan optimasi ekstraksi fitur TF-IDF (Term Frequency - Inverse Document Frequency) dan N-Gram, serta seleksi fitur Chi-Square dan SelectKBest pada analisis sentimen pengguna aplikasi game online Clash of Clans menggunakan algoritma Support Vector Machine dan Naïve Bayes dengan tujuan menerapkan dan mencari model klasifikasi terbaik untuk mendapatkan hasil akurasi yang lebih akurat. Hasil pengujian menunjukkan bahwa model klasifikasi dengan ekstraksi fitur TF-IDF (Term Frequency - Inverse Document Frequency) dan N-Gram, serta seleksi fitur Chi-Square dan SelectKBest adalah model klasifikasi paling optimal dengan hasil akurasi tertinggi 93% pada Support Vector Machine pada presentase rasio 70:30, sementara akurasi tertinggi yang diperoleh Naïve Bayes sebesar 91,6% dengan presentase rasio yang sama.
Co-Authors Danang Aditya Nugraha Heri Santoso