JIKTIF
Vol. 2 No. 1 (2025): Juni

Penerapan Algoritma Naïve Bayes Pada Analisis Sentimen Pengguna Game Mobile Legends Di Google Play Store

Rantau Jati, Tanto Dwi (Unknown)
Baco, Syarifuddin (Unknown)
Husain, Nursuci Putri (Unknown)



Article Info

Publish Date
30 Jun 2025

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.

Copyrights © 2025






Journal Info

Abbrev

jiktif

Publisher

Subject

Computer Science & IT

Description

Jurnal Ilmu Komputer dan Teknologi Informasi (JIKTIF) merupakan jurnal ilmiah yang dikelola dengan penuh dedikasi oleh Program Studi Teknik Informatika, Fakultas Teknik, Universitas Islam Makassar. Jurnal ini menjadi wadah yang sangat penting dalam menyajikan hasil-hasil penelitian dan kontribusi ...