Analisis Sentimen Pada Steam Review Menggunakan Metode Multinomial Naïve Bayes Dengan Seleksi Fitur Gini Index Text

Abstract

Abstrak
Video game adalah salah satu media hiburan yang sering digunakan oleh kebanyakan orang saat ini, terutama pada perangkat komputer baik yang berbayar atau tidak, pada salah satu distribusi digital yaitu Steam. Akan tetapi Steam masih memiliki permasalahan yang berbagai macam jenisnya salah satunya Steam Review, untuk mengurangi atau mengantisipasi review yang kurang jelas bagi para pemain yang ingin mencoba dan atau membeli game tersebut, maka digunakan Analisis Sentimen pada ulasan. Tujuan tugas akhir ini untuk memberikan informasi sentimen di setiap game yang ada pada Steam. Informasi yang diberikan berupa klasifikasi analisi sentimen untuk memfilter review dengan Multinomial Naïve Bayes dan dikomabinasikan dengan seleksi fitur Gini Index Text supaya mengklasifikasi dokumen menjadi kelas direkomendasikan dan tidak direkomendasikan. Pada penelitian ini untuk menguji sistem yang dibangun digunakan Dataset yang berisi ulasan-ulasan berupa kalimat, data akan dibagi menjadi tiga rasio akurasi sebagai training dan testing sebanyak 90:10; 80:20; dan 70:30 serta dilakukan 5 kali percobaan. Hasil pengujian Gini Index Text sebagai fitur seleksi dapat menghasilkan akurasi setiap rasionya dimana Rata-rata akurasi MNNB dengan GIT yang paling maksimal sebesar 60.29%.
Kata kunci : Analisis Sentimen, Steam Review, Multinomial Naïve Bayes (MNNB), Gini Index Text (GIT), Klasifikasi