Klasifikasi Rating Berdasarkan Ulasan Pemain Menggunakan Multinomial Naïve Bayes

Abstract

Video gim sebuah permainan elektronik yang melibatkan interaksi antarmuka dengan pemain untuk tiap kalangan anak maupun dewasa. Dominasi dan banyaknya peminat terhadap video gim menjadikan sebuah peluang para studio gim berlomba – lomba memproduksi video gim untuk memberikan varian dan pengalaman yang lebih baik diberikan demi kepuasan para pemain. Untuk menguji kualitas pada gim digunakan jasa para pemain profesional untuk mencari kelemahan serta kelebihan pada gim namun, hal itu belum sepenuhnya memenuhi kepuasan para target pemain. Ulasan berdasarkan para pemain dibutuhkan sebagai tolak ukur untuk menentukan apakah gim layak dibeli untuk dimainkan oleh para calon pemain. Untuk itu dibutuhkan pendekatan, untuk mengatasi permasalahan tersebut berdasarkan tolak ukur pada ulasan para pemain. Penelitian ini bertujuan untuk melakukan klasifikasi rating berdasarkan ulasan pemain dengan menggunakan metode multinomial naïve bayes. Penelitian ini menggunakan 1250 data berupa ulasan oleh para pemain kritikus gim yang sudah berpengalaman pada bidang yang dimainkan. Tahapan pada praproses dilakukan yaitu mengubah huruf menjadi huruf kecil, penghapusan tanda baca, angka, emoji, konversi negasi, penghapusan stopword, serta tokenisasi. Penelitian ini juga menggunakan TFI-IDF Vectorizer untuk memberi nilai bobot pada kata dalam ulasan pemain dan menggunakan metode Multinomial Naïve Bayes untuk mengklasifikasi rating berdasarkan data latih yang diperoleh. Evaluasi dilakukan dengan metode confussion matrix dengan menghasilkan akurasi sebesar 82.4 % serta f1-score sebesar 0.822.

Video game is an electronic game that involves interface interaction with players for each group of children and adults. he dominance and many enthusiasts of video game make it an opportunity for game studios to compete to produce video game to provide better variants and experiences for the players’ satisfaction. To test the quality of the game the services of professional players are used to look for weaknesses and strengths in the game, however, this has not fully met the satisfaction of the target players. Player-based reviews are needed as a benchmark to determine whether a game is worth buying for potential players to play. An approach is needed, to overcome these problems based on benchmarks on the reviews of the players. 1250 data used based on review by the profesionals’ critics who are experienced in their field. The preprocess steps are case folding, stemming, stop word convert negations and tokenizing. This study also uses the TFI-IDF Vectorizer to give weight to words in player reviews and uses the Multinomial Naïve Bayes method to classify ratings based on the latih data obtained. The evaluation was carried out using the Confusion Matrix method with an accuracy of 82.4% and an f1-score of 0.822.