Perbandingan Ekstraksi Fitur TF-IDF Dan Word2Vec Pada Analisis Sentimen Menggunakan Model Fine-Tuning Indobert Untuk Ulasan Game Lokal Di Steam

Pernata, I Gusti Ngurah Agung (2024) Perbandingan Ekstraksi Fitur TF-IDF Dan Word2Vec Pada Analisis Sentimen Menggunakan Model Fine-Tuning Indobert Untuk Ulasan Game Lokal Di Steam. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2015091033-COVER.pdf
Download (970kB)
[img] Text (ABSTRAK)
2015091033-ABSTRAK.pdf
Download (92kB)
[img] Text (BAB 1 PENDAHULUAN)
2015091033-BAB 1 PENDAHULUAN.pdf
Download (186kB)
[img] Text (BAB 2 KAJIAN TEORI)
2015091033-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (691kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2015091033-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (312kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2015091033-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2015091033-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (55kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2015091033-DAFTAR PUSTAKA.pdf
Download (209kB)
[img] Text (LAMPIRAN)
2015091033-LAMPIRAN.pdf
Download (237kB)

Abstract

Perkembangan industri game di Indonesia telah menghasilkan berbagai video game baru, mendorong pengembang untuk memperhatikan pendapat dan preferensi pengguna. Salah satu platform yang digunakan untuk mengevaluasi ulasan pengguna adalah Steam. Ulasan tersebut kemudian dapat dianalisis dengan menggunakan model seperti IndoBERT, yang saat ini populer dalam klasifikasi teks seperti analisis sentimen. Dalam proses memasukkan teks ke dalam model, ekstraksi fitur diperlukan, dengan TF-IDF dan Word2Vec menjadi dua metode ekstraksi fitur umum yang digunakan untuk analisis sentimen. TF-IDF fokus pada frekuensi kata, sementara Word2Vec menangkap hubungan makna kata. Tujuan dari penelitian ini yakni untuk membandingkan kinerja TF-IDF dan Word2Vec dalam analisis sentimen menggunakan model Fine-Tuning IndoBERT pada ulasan game lokal di platform Steam. Hasil penelitian menunjukkan bahwa TF-IDF memiliki kinerja yang lebih baik, dengan akurasi rata-rata sebesar 97%, presisi 86%, recall 70%, dan F1-Score 76%. Sebaliknya, Word2Vec menunjukkan akurasi rata-rata sebesar 96%, presisi 83%, recall 63%, dan F1-Score 68%. Selain itu, dari dataset yang digunakan, terlihat bahwa mayoritas ulasan pengguna cenderung bersifat positif, dengan 3.849 ulasan positif dari total 4.027 ulasan dalam dataset.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Steam, Analisis Sentimen, Ekstraksi Fitur, TF-IDF, Word2Vec, fine-tuning IndoBERT
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1)
Depositing User: I Gusti Ngurah Agung Pernata
Date Deposited: 15 Feb 2024 14:59
Last Modified: 15 Feb 2024 14:59
URI: http://repo.undiksha.ac.id/id/eprint/18697

Actions (login required)

View Item View Item