ANALISIS SENTIMEN OPINI WARGANET TERHADAP INDIE GAME PADA TWITTER

NANDINI WARA SASRI, Anny Kartika Sari, S.Si., M.Sc., Ph.D

2019 | Skripsi | S1 ILMU KOMPUTER

Indie games semakin banyak bermunculan dalam industri games sehingga persaingan semakin ketat. Akan tetapi tidak banyak dari indie games yang sanggup mencapai peringkat dan kualitas yang tinggi, terutama dengan sedikitnya sumber daya yang dimiliki pengembang indie game dibandingkan dengan pengembang AAA. Maka dari itu diharapkan analisis sentimen sebagai kritik dan referensi bagi developer, dan menjadi acuan bagi pemain untuk memilih indie game. Penelitian ini mencoba mengembangkan model analisis sentimen menggunakan data tweet dengan 3 judul indie game populer yang pernah mendapatkan penghargaan, yaitu Undertale, Night in the Woods, dan Minecraft. Model analisis dibangun dengan 2 metode, yaitu metode Support Vector Machine dan metode Multinomial Naïve Bayes. Penelitian ini juga akan membandingkan performa dari kedua metode. Hasil penelitian menunjukkan nilai akurasi dari metode SVM lebih tinggi daripada metode NB, yaitu 70,68% untuk SVM dan untuk NB adalah 52,55%. Waktu proses dengan Support Vector Machine memiliki total lebih banyak dari Multinomial Naïve Bayes, yaitu 5,85 detik untuk SVM dan 0,02 detik untuk MNB.

Indie games has been emerging much in game industry so that the competition has become tough. However, not many from indie games which can reach high ranking and quality, especially since indie game developers only have so little resources compared to AAA developers. This research will develop sentiment analysis model using tweet data with 3 titles of popular indie game which has received award, which are Undertale, Night in the Woods, and Minecraft. Analysis Model built with 2 methods, Support Vector Machine and Multinomial Naïve Bayes. This research will also compare the performance of both methods. The result shows that accuracy score for SVM is higher than MNB, with SVM being 70.68 % and 52.55% for MNB. Running time for SVM is higher than MNB, where SVM is 5.85 seconds and MNB is 0.02 seconds.

Kata Kunci : Analisis Sentimen, Twitter, Indie Games, Support Vector Machine, Multinomial Naïve Bayes