“Pengelompokan Komentar Pengguna Aplikasi Mobile Legends di Google Playstore Menggunakan Gaussian Mixture Models”

Detail Cantuman

Text

“Pengelompokan Komentar Pengguna Aplikasi Mobile Legends di Google Playstore Menggunakan Gaussian Mixture Models”

XML

ABSTRAK

Perkembangan pesat industri game online, khususnya genre Multiplayer Online
Battle Arena (MOBA), telah mendorong tingginya interaksi pengguna melalui
komentar di platform distribusi aplikasi seperti Google Playstore. Salah satu
aplikasi game yang populer adalah Mobile Legends: Bang Bang. Komentar
pengguna sering kali tidak sejalan dengan penilaian bintang, sehingga
menimbulkan kesulitan dalam memahami persepsi pengguna secara objektif.
Penelitian ini bertujuan untuk mengelompokkan komentar pengguna Mobile
Legends menggunakan metode Gaussian Mixture Models (GMM), suatu
pendekatan statistik berbasis probabilitas yang efektif dalam mengidentifikasi pola
tersembunyi dalam data tidak terstruktur. Proses dimulai dari pengumpulan data
melalui web scraping, dilanjutkan dengan preprocessing teks (cleansing, case
folding, stopword removal, tokenizing, dan stemming), kemudian ekstraksi fitur
menggunakan TF-IDF, dan akhirnya proses klasterisasi menggunakan GMM. Hasil
dari penelitian ini menunjukkan bahwa komentar dapat dikelompokkan secara
otomatis ke dalam tiga kategori utama: positif, negatif, dan netral. Pendekatan ini
mampu memberikan wawasan yang lebih akurat dan objektif terhadap persepsi
pengguna, serta dapat digunakan sebagai dasar pengambilan keputusan untuk
pengembangan dan perbaikan aplikasi. Implementasi GMM dalam penelitian ini
membuktikan efektivitasnya dalam mengelola data teks besar secara efisien dan
relevan.
Kata Kunci: Text Mining, Gaussian Mixture Models, Mobile Legends, Google
Playstore, TF-IDF, Clustering.


Detail Information

Item Type
Skripsi (S1)
Penulis
Silvia Malona Nainggolan - Personal Name
Student ID
221510100
Dosen Pembimbing
Penguji
Kode Prodi PDDIKTI
Edisi
Departement
Kontributor
Bahasa
Indonesia
Penerbit Universitas Methodist Indonesia : Medan.,
Edisi
Subyek
No Panggil
Copyright
Fakultas Ilmu Komputer Universitas Methodist Indonesia
Doi

Lampiran Berkas

LOADING LIST...



Informasi


DETAIL CANTUMAN


Kembali ke sebelumnya  XML Detail