DETAIL KOLEKSI

Perbandingan kinerja tf-idf dan word2vec dengan menggunakan bidirectional long short term memory (bilstm) pada sentimen analisis game pubg

Oleh : Muhamad Risnandar Azwi

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Ahmad Zuhdi

Pembimbing 2 : Binti Solihah

Subyek : Games and technology;Mobile games

Kata Kunci : sentiment analysis, pubg, tf-idf, word2vec, bilstm

Status Posting : Published

Status : Tidak Lengkap

File Repositori
No. Nama File Hal. Link
1. 2023_TA_SIF_064001900035_Halaman-Judul.pdf 11
2. 2023_TA_SIF_064001900035_Lembar-Pengesahan.pdf 8
3. 2023_TA_SIF_064001900035_Bab-1_Pendahuluan.pdf 12
4. 2023_TA_SIF_064001900035_Bab-2_Tinjauan-Pustaka.pdf 28
5. 2023_TA_SIF_064001900035_Bab-3_Metodologi-Penelitian.pdf 8
6. 2023_TA_SIF_064001900035_Bab-4_Pembahasan.pdf 57
7. 2023_TA_SIF_064001900035_Bab-5_Kesimpulan-dan-Saran.pdf 4
8. 2023_TA_SIF_064001900035_Daftar-Pustaka.pdf 6

P PUBG merupakan game yang dikembangkan oleh LightSpeed dan Quantum Studio yangbanyak peminatnya di Indonesia. Karena banyak peminatnya, game PUBG pula banyakmendapatkan opini dari masyarakat terkait yang memainkannya. Supaya dapat meningkatkanGame-nya, pengembang game membutuhkan opini dan masukan dari masyarakat terkait gamePUBG ini. Penelitian sentiment analisis ini bertujuan untuk mengidentifikasi opini masyarakatterkait game PUBG. Penelitian ini menggunakan data dari platform Twitter, diambil dari tanggal 1Januari 2018 sampai dengan tanggal 13 April 2023 dan data yang didapapatkan berjumlah 15000data. Model sentimen analisis dibangun dengan menggunakan metode BiLSTM. Untuk mengetahuiefektifitas metode ekstrasi fitur pada text, pada penelitian ini akan dibandingkan metode TF-IDFdan Word2Vec. Pada penelitian ini diperoleh tingkat akurasi terbaik untuk pengklasifikasian padaword embeding dengan topik PUBG, Menggunakan model BiLSTM dengan ekstrasi fiturWord2Vec menggunakan vector_size 100 Sg (SkipGram) dan didapatkan tingkat akurasi, presisi,recall dan f1-score sebesar 70%.

P PUBG is a game developed by LightSpeed and Quantum Studio which has many enthusiasts inIndonesia. Because there are many enthusiasts, the PUBG game also gets a lot of opinions from therelevant people who play it. In order to improve the game, game developers need opinions and inputfrom the public regarding this PUBG game. This sentiment analysis research aims to identify publicopinions regarding the PUBG game. This research uses data from the Twitter platform, taken fromJanuary 1, 2018 to April 13, 2023 and the data obtained amounted to 15000 data. The sentimentanalysis model is built using the BiLSTM method. To determine the effectiveness of featureextraction methods in text, this research will compare the TF-IDF and Word2Vec methods. In thisstudy, the best accuracy rate was obtained for classification on word embeding with the topic PUBG,using the BiLSTM model with Word2Vec feature extraction using vector_size 100 Sg (SkipGram)and obtained accuracy, precision, recall and f1-score of 70%.

Koleksi Terkait (Kata Kunci = 24 Judul)

Analisis peningkatan quality of experience (qoe) menggunakan nilai qos class identifier (qci) pada pengguna mobile game
FTI - Usakti
Analisis sentimen tentang vaksin sinovac di twitter menggunakan naïve bayes dan k-nearest neighbors 5.0
FTI - Usakti
Analisis sentimen dan pemodelan topik terhadap berita kandidat dalam pemilihan umum 2024 di media sosial twitter menggunakan metode latent dirichlet allocation(lda)
FTI - Usakti
Pengaruh undersampling dan oversampling dalam perbandingan analisis sentimen ulasan pengunjung objek wisata Waterbom Bali pada media sosial tripadvisor menggunakan klasifikasi random forest dan Naïve Bayes
FTI - Usakti
Analisis sentimen review costumer terhadap layanan ekspedisi J& T Express dan JNE menggunakan metode naive bayes dan support vector machine
FTI - Usakti
Analisis sentimen aplikasi pintarnya di Google Play Store menggunakan metode CNN dan ekstraksi fitur BERT
FTI - Usakti
Perbandingan metode ekstraksi fitur menggunakan tf-idf dan word embedding llama3 dengan classifier svm untuk analisis sentimen aplikasi mytelkomsel di google play store
FTI - Usakti
Analisis sentimen pemindahan ibu kota negara indonesia menggunakan metode support vector machine pada media sosial x
FTI - Usakti
Sentiment analysis dari twitter terhadap organisasi menggunakan R dengan Metode Support Vector Machine dan Swot Analysis 5.0
FTI - Usakti
analisis sentimen twitter mengenai aplikasi pedulil indungi menggunakan Metode Valence Aware Dictionary For Sentiment Reasoning
FTI - Usakti
Analisis sentimen mengenai undang - undang tpks pada media sosial twitter menggunakan metode support vector machine dan k-nearest neighbor
FTI - Usakti
Analisis sentimen dan topic modeling mengenai uu ite pada media sosial twitter bahasa Indonesia
FTI - Usakti
Pengembangan model sentimen analisis aplikasi bibit pada google playstore menggunakan metode naïve bayes dengan seleksi fitur chi square
FTI - Usakti
Analisis sentimen terhadap film horor indonesia menggunakan naive bayes classifier pada media sosial twitter Bahasa Indonesia
FTI - Usakti
Perbandingan kinerja metode analisis sentimen dengan bidirectional long short-term memory (bilstm) menggunakan ekstraksi fitur bag of word dan tf-idf mengenai aplikasi peduli lindungi di twitter
FTI - Usakti
Analisis sentimen dan pemodelan topik ulasan pengunjung objek wisata pulau bali pada situs tripadvisor menggunakan metode lexicon-based dan latent dirichlet allocation (lda)
FTI - Usakti
Analisis sentimen twitter mengenai aplikasi pedulilindungi menggunakan metode valence aware dictionary for sentiment reasoning
FTI - Usakti
Analisis sentimen subsidi Bahan Bakar Minyak (BBM) di twitter menggunakan support vector machine
FTI - Usakti
Perbandingan kinerja bidirectional long short term memory menggunakan word2vec dan fastext pada analisa sentimen aplikasi mypertamina
FTI - Usakti
Analisis sentimen kandidat calon Presiden Indonesia 2024 pada platform media sosialYouTube menggunakan metode support vector machine
FTI - Usakti
Analisis sentimen ulasan di google play mengenai aplikasi layanan streaming vidio dengan menggunakan metode naive bayes classifier dan ekstraksi fitur tf-idf
FTI - Usakti
Analisis sentimen kepuasan pelanggan terhadaplayanan gardu tol otomatis (gto) ruas jakartacikampekdengan data twitter menggunakan metode naïve bayes classifier
FTI - Usakti
Analisis sentimen dari twitter terhadap layanan e-sim oleh smartfren dengan metode naïve bayes classifier
FTI - Usakti
Perbandingan kinerja analisis sentimen twitter dengan fasttext svm dan tf-idf svm studi kasus pada motor listrik
FTI - Usakti
Bagaimana Anda menilai Koleksi ini ?