KINERJA SELEKSI FITUR N-GRAM PADA ANALISIS SENTIMEN ULASAN MOBILE GAME DI GOOGLE PLAYSTORE

Syahroni Wahyu Iriananda (Program Studi S1 Teknik Informatika, Fakultas Teknik, Universitas Widyagama Malang)
Renaldi Widi Budiawan (Program Studi S1 Teknik Informatika, Fakultas Teknik, Universitas Widyagama Malang)
Aviv Yuniar Rahman (Program Studi S1 Teknik Informatika, Fakultas Teknik, Universitas Widyagama Malang)
Istiadi Istiadi (Program Studi S1 Teknik Informatika, Fakultas Teknik, Universitas Widyagama Malang)

Conference on Innovation and Application of Science and Technology (CIASTECH)
CIASTECH 2022 Transisi Global dalam Mencapai SDGs 2030

Mobile Game menjadi industri yang berkembang pesat. Pengguna dan pengembang game menggunakan analisis sentimen untuk dapat mengetahui ulasan pemain game, sehingga dapat menetapkan arah pengembangan dan peningkatan game tersebut. Dalam penelitian ini, penulis mengklasifikasikan sentimen dengan menggunakan TF-IDF dan fitur seleksi N-Gram. Penulis bertujun untuk menginvestigasi pengaruh N-Gram terhadap tingkat akurasi algoritma SVM. Maka dari itu, peneliti melakukan beberapa skenario pengujian penggunaan N-Gram. Hasil pengujian tersebut menunjukkan bahwa dengan menggunakan 3600 baris data, fitur seleksi Unigram, Bigram, dan Trigram (1,3), dan cross-validation k=10 dapat menghasilkan nilai akurasi yang optimum pada rasio data latih dan data uji 72:25 adalah  87,3 persen. Nilai ini dicapai dengan menggunakan kernel Radial Basis Function (RBF), dan parameter kompleksitas C = 1, Gamma (𝛾) = 1.