This Author published in this journals
All Journal JSITP
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pembobotan Sentimen Publik Menggunakan TF-IDF pada Console dan Video Game Offline cia, crecia; Andri Wijaya; Mutia Maharani; Michael Junius Aguswan
Jurnal Sistem Informasi dan Teknologi Peradaban Vol. 5 No. 2 (2024)
Publisher : Prodi Sistem Informasi Universitas Peradaban

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58436/jsitp.v5i2.2062

Abstract

Penelitian ini mengkaji penerapan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk membobotkan sentimen publik terhadap video game offline, dengan dukungan Vector Space Model (VSM). Video game offline tetap populer karena pengalaman imersif, cerita mendalam, serta fleksibilitas modifikasi di berbagai platform seperti PC, mobile, dan konsol, meskipun tren game online terus meningkat. Data penelitian diperoleh dari Kaggle, mencakup 11.001 entri dengan 17 atribut, termasuk judul, rating pengguna, dan genre. Proses penelitian melibatkan pengumpulan, pembersihan, dan pengolahan data. Game "Hades" ditemukan sebagai game dengan rating tertinggi, sedangkan genre "Party" dan "Fighting" paling diminati. PlayStation tercatat sebagai platform terpopuler dengan 67.798 pengguna dan 2.269 game. Analisis lanjutan menggunakan TF-IDF menunjukkan kata-kata seperti "bugs" dan "amazing" memiliki bobot tinggi dalam ulasan tertentu. Dengan VSM, relevansi dokumen terhadap kueri dianalisis melalui kesamaan kosinus dan jarak Euclidean. Evaluasi sistem menunjukkan kinerja yang sangat baik dengan precision 80%, recall 100%, F1-measure 88,9%, dan MAP 95%. Penelitian ini memberikan wawasan tentang preferensi pemain game offline dan menawarkan metode yang efektif untuk analisis sentimen publik terhadap video game, memberikan kontribusi berharga bagi industri gaming.