Image of ANALISIS SENTIMEN DAN TOPIK ULASAN DATA PENGGUNA APLIKASI KOMUNITAS DIGITAL BERDASARKAN KARAKTERISTIK GAMER MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) DAN SUPPORT VECTOR MACHINE (SVM) BERBASIS CROSS-INDUSTRY STANDARD PROCESS FOR DATA MINING (CRISP-DM)

Skripsi

ANALISIS SENTIMEN DAN TOPIK ULASAN DATA PENGGUNA APLIKASI KOMUNITAS DIGITAL BERDASARKAN KARAKTERISTIK GAMER MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) DAN SUPPORT VECTOR MACHINE (SVM) BERBASIS CROSS-INDUSTRY STANDARD PROCESS FOR DATA MINING (CRISP-DM)

Penilaian

0,0

dari 5
Penilaian anda saat ini :  

Perilaku tidak sabar dari para gamer kerap tercermin melalui ulasan digital yang tajam, terutama dalam penggunaan aplikasi komunitas seperti Discord. Penelitian ini mengeksplorasi ekspresi ketidaksabaran tersebut melalui pendekatan analisis sentimen dan topik. Dengan mengadopsi kerangka kerja CRISP-DM, sebanyak 10.000 ulasan berbahasa Indonesia dari Google Play Store dikumpulkan dan dianalisis. Proses analisis dimulai dengan pelabelan sentimen menggunakan IndoBERT, klasifikasi polaritas dengan algoritma Support Vector Machine (SVM), dan eksplorasi topik melalui metode Latent Dirichlet Allocation (LDA). Hasil menunjukkan bahwa 57,4% ulasan bersentimen positif, terutama terkait kualitas komunikasi suara dan interaksi komunitas. Sebaliknya, 42,6% ulasan negatif umumnya menyampaikan frustrasi terhadap kendala login dan proses verifikasi. Model SVM yang dioptimasi dengan Bayesian Optimization mencatat akurasi sebesar 90,46%. Studi ini menegaskan bahwa Discord tidak hanya menjadi sarana komunikasi, tetapi juga representasi dari ekspektasi tinggi pengguna terhadap kecepatan dan stabilitas sistem. Kontribusi utama penelitian ini adalah integrasi metode SVM–LDA dalam kerangka CRISP-DM untuk memahami perilaku digital gamer Indonesia. Implikasi praktis dari temuan ini dapat menjadi masukan strategis bagi pengembang dalam meningkatkan keandalan proses autentikasi dan fitur komunitas sesuai karakteristik pengguna. Kata kunci: analisis Sentimen, gamer, support vector machine, latent dirichlet allocation, CRISP-DM.

Availability
Inventory Code Barcode Call Number Location Status
2507006199T185498T1854982025Central Library (Reference)Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T1854982025
Publisher
Indralaya : Prodi Sistem Informasi, Fakultas Ilmu Komputer Universitas Sriwijaya.,
Collation
xiv, 89 hlm.; ilus.; tab.; 29 cm.
Language
Indonesia
ISBN/ISSN
-
Classification
005.360 7
Content Type
Text
Media Type
unmediated
Carrier Type
other (computer)
Edition
-
Subject(s)
Prodi Sistem Informasi
Aplikasi Komunitas Digital
Specific Detail Info
-
Statement of Responsibility
Other version/related
File Attachment
Comments
You must be logged in to post a comment