Publisher

Tel-UTel-U

Journal International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT) Abstract

Steam menyediakan platform bagi pengguna untuk menulis ulasan game yang telah mereka beli, menawarkan umpan balik yang berharga bagi pengembang. Namun, volume ulasan yang besar membuat pengembang sulit untuk menentukan apakah sentimennya positif atau negatif. Meskipun sistem peringkat Steam ada, sistem tersebut sering gagal menangkap sepenuhnya sentimen yang diungkapkan dalam ulasan tertulis. Untuk mengatasi hal ini, analisis sentimen dapat membantu pengembang lebih memahami umpan balik pengguna. Studi ini menggunakan algoritma Random Forest dengan ekstraksi fitur TF-IDF dalam format Bigram dan Trigram untuk klasifikasi sentimen. Hasil penelitian menunjukkan bahwa penggunaan Bigram TF-IDF tanpa Lemmatisasi pada tahap pra-pemrosesan mencapai kinerja tertinggi, dengan skor F1 rata-rata 62%.

Conclusion

Penelitian ini dapat menciptakan model yang baik untuk diterapkan pada platform bagi pengguna akhir atau pengembang.Namun, kami melihat beberapa aspek yang dapat ditingkatkan dalam struktur model ini.Dari pemeriksaan kesalahan yang dilakukan oleh model pembelajaran mesin, kesalahan yang diperoleh mencakup kata-kata bermakna seperti bagus dan baik dalam ulasan berlabel negatif yang menyebabkan model memprediksinya sebagai positif.Sementara buruk dan bug dalam ulasan positif menyebabkan prediksi negatif.Kesalahan klasifikasi juga terjadi ketika ulasan terlalu panjang atau pendek, dan beberapa kata tidak memiliki makna untuk prediksi, seperti yaaaaah.Model pembelajaran mesin yang dibuat masih berjuang untuk memprediksi ulasan yang sarkastik atau memiliki makna yang kontradiktif dengan label yang diberikan.Saran untuk penelitian lebih lanjut termasuk mencoba Hyperparameter lain yang mungkin meningkatkan hasil, meningkatkan jumlah dataset yang diuji untuk menambahkan variasi dataset, dan mungkin menggunakan metode pemilihan fitur untuk mencapai hasil yang lebih baik.

Future Research

Berdasarkan latar belakang penelitian yang menyoroti tantangan dalam memahami umpan balik pengguna dari ulasan game, penelitian lanjutan dapat difokuskan pada pengembangan model analisis sentimen yang lebih canggih yang mampu menangani sarkasme dan bahasa kiasan. Hal ini dapat dicapai dengan menggabungkan teknik pemrosesan bahasa alami (NLP) yang lebih kompleks, seperti analisis konteks dan pemahaman semantik, ke dalam model Random Forest. Selain itu, penelitian dapat mengeksplorasi penggunaan model deep learning, seperti transformer, yang telah menunjukkan kinerja yang menjanjikan dalam tugas-tugas NLP. Dengan meningkatkan kemampuan model untuk memahami nuansa bahasa, pengembang game dapat memperoleh wawasan yang lebih akurat dan mendalam tentang sentimen pengguna, yang pada akhirnya dapat mengarah pada peningkatan kualitas game. Lebih lanjut, penelitian dapat menyelidiki bagaimana sentimen yang diekstraksi dari ulasan game dapat digunakan untuk memprediksi keberhasilan game atau untuk mengidentifikasi area spesifik dalam game yang memerlukan perbaikan. Dengan mengintegrasikan analisis sentimen ke dalam proses pengembangan game, pengembang dapat membuat keputusan yang lebih tepat dan meningkatkan kepuasan pengguna.

References

1. Sentiment Analysis of Game Review in Steam Platform using Random Forest | International Journal on Information... socjs.telkomuniversity.ac.id/ojs/index.php/ijoict/article/view/1007Sentiment Analysis of Game Review in Steam Platform using Random Forest International Journal on Information socjs telkomuniversity ac ojs index php ijoict article view 1007
2. Opinion mining indonesian presidential election on twitter data based on decision tree method | JURNAL... doi.org/10.20895/infotel.v14i4.832Opinion mining indonesian presidential election on twitter data based on decision tree method JURNAL doi 10 20895 infotel v14i4 832

Metadata

File size	427.45 KB
Pages	9
DMCA	Report