Implementasi Klasifikasi Naïve Bayes dan Pemodelan Topik dengan Latent Dirichlet Allocation untuk Data Ulasan Video Game Lokal pada Platform Steam (Studi Kasus : Video Game Lokal Pada Platform Steam)

Abstract

Industri video game telah menjadi sangat populer di seluruh dunia, dengan semakin banyak pemain yang terlibat setiap tahunnya. Steam merupakan platform distribusi digital yang dibuat oleh Valve Corporation dan platform terbesar di industri video game yang memungkinkan bagi penggunanya untuk menulis dan memposting ulasan secara terbuka tentang video game yang dijual di situs web mereka. Prediksi sentimen yang akurat dalam ulasan online dapat meningkatkan peluang keuntungan dalam bisnis video game. Penelitian ini bertujuan untuk melakukan klasifikasi dan pemodelan topik terhadap ulasan video game lokal pada platform Steam. Metode yang digunakan adalah klasifikasi Naïve Bayes dan Latent Dirichlet Allocation. Hasil penelitian memperoleh tingkat akurasi sebelum dilakukan penyeimbangan data yaitu sebesar 86%, dan diperoleh tingkat akurasi setelah dilakukan penyeimbangan data yaitu sebesar 81%. Untuk pemodelan topik, penelitian ini mendapatkan 5 topik dengan nilai probabilitas 0.38807 untuk ulasan “Recommended” yaitu topik 1 membahas fitur video game stardew valley, topik 2 membahas puzzle dengan tema fantasy, topik 3 membahas visual art dan soundtrack, topik 4 membahas update patch disertai puzzle dengan musik, dan topik 5 membahas karakter dan gameplay, sedangkan 3 topik dengan nilai probabilitas 0.28095 untuk ulasan “Not Recommended” yaitu topik 1 membahas masalah bug gameplay, topik 2 membahas bug boss battle, dan topik 3 membahas masalah performa video game.