Please take a moment to complete this survey below
Library's collection Library's IT development CancelBertambah banyaknya perkembangan game sejalan dengan pertumbuhan para
penikmatnya. Biasanya para penikmat ini yang sering disebut pemain memiliki platform khusus
untuk melihat perkembangan game terbaru. Salah satu yang sering menjadi incaran adalah
Steam, di mana platform tersebut menyediakan informasi lengkap seperti review, harga, tanggal
rilis, dan sebagainya untuk pengguna yang ingin membeli game. Biasanya sebelum membeli
sebuah game pengguna akan melihat review terlebih dahulu. Banyaknya review di dalam Steam
menyebabkan kesulitan bagi pengguna untuk mencari informasi. Terdapat penelitian
sebelumnya yang menyelesaikan problem tersebut dengan melakukan text summarization
terhadap review menjadi beberapa aspek dan analisis sentimen akan tetapi terdapat
kekurangan yaitu pengguna harus mengerti beberapa istilah dalam game. Dari permasalahan
tersebut dilakukan textsummarization untuk merangkum informasi dan sentimen analisis untuk
menilai suatu nilai dari game tersebut.
Agar mendapat rangkuman informasi dengan baik perlu melalui beberapa proses
pengolahan data. Untuk proses pengumpulan data review game didapatkan melalui API Steam
yang telah tersedia. Setelah terkumpul akan dilakukan preprocessing untuk mengatasi data yang
bervariasi dan tidak konsisten yang bisa mempengaruhi proses training. Preprocessing meliput
Tokenization, Stopwords Removal, dan Stemming. Proses text summarization pada tiap review
game untuk feature to vector menggunakan TF-IDF dan Sentiment Score untuk mendapatkan
kalimat utama sebelum dilakukan proses training menggunakan SVM. Proses klasifikasi
menggunakan metode KNN dimana melakukan perbandingan dari tiap data review game apakah
data tersebut lebih mendekati positif atau negatif, sehingga membantu pengguna ketika melihat
informasi game menjadi lebih singkat dan mudah.
Pengukuran keberhasilan metode ini dalam menjawab permasalahan dengan
melakukan pengujian data dengan Confusion Matrix dan survey kepada pengguna Steam.
Pengunaan text summarization yang dilakukan terhadap tiap review game kurang berperan
dalam meningkatkan hasil analisis sentimen, karena metode yang kurang sesuai serta data
review game yang berbentuk abstrak. Akurasi analisis sentimen masih lebih baik ketika tidak
dilakukan text summarization pada data. Sejumlah 50 orang diminta untuk memberikan
pernyataan seputar hasil dari analisis sentimen dan text summarization. Hasil yang diperoleh 40
dari 50 user mengatakan aplikasi membantu membaca review game dan 10 lainnya tidak.