Klasifikasi Ulasan Palsu pada Steam Menggunakan Metode Support Vector Machine dengan Fitur Lexicon-based dan Pembobotan Kata TF-IDF

Taqiuddin, Rafif (2021) Klasifikasi Ulasan Palsu pada Steam Menggunakan Metode Support Vector Machine dengan Fitur Lexicon-based dan Pembobotan Kata TF-IDF. Sarjana thesis, Universitas Brawijaya.

Abstract

Steam adalah layanan distribusi digital video game yang dikembangkan oleh Valve Software. Steam menyediakan fitur ulasan pengguna, dimana pengguna dapat menuliskan tentang kritik atau komentar terhadap game yang dapat berisikan sentimen positif maupun negatif. Berdasarkan riset yang penulis lakukan kepada pengguna steam dari seluruh Indonesia, ulasan pengguna yang disediakan oleh Steam ini belum memadai. Hal ini dikarenakan terdapatnya ulasan-ulasan palsu yang memungkinkan terjadinya bias pendapat dari pihak tertentu sehingga sering terjadi fenomena yang dinamakan review bombing dimana pengguna melakukan ulasan hanya untuk menjatuhkan atau menaikan citra suatu produk bukan mengulasnya secara tulus. Dari permasalahan tersebut diperlukan suatu rancangan solusi yang dapat mengklasifikasikan ulasan palsu pada layanan Steam. Metode klasifikasi Support Vector Machine (SVM) dipilih sebagai model untuk menentukan ulasan palsu secara kombinasi dengan pengambilan fitur berbasis leksikon dan pembobotan Term Frequency – Inverse Document Frequency (TF-IDF). Dari 236 data uji klasifikasi yang dilakukan oleh SVM, menghasilkan 105 ulasan yang dikategorikan sebagai Valid Review. Sedangkan yang dikategorikan sebagai Opinion Spam oleh SVM sejumlah 131 ulasan. Tingkat akurasi model klasifikasi data menggunakan metode Support Vector Machine sebesar 81% dengan pembagian data latih sebesar 70% dan data uji sebesar 30% dengan tingkat angka acak atau random state sebesar 109. Telah dibuatkan juga dashboard berbentuk aplikasi web yang memuat model klasifikasi. Setelah dilakukan pengujian usability pada 5 orang pengguna Steam, didapatkan rata-rata skor System Usablity Scale sebesar 78,5 yang masuk ke dalam kategori Acceptable dengan rating “Excellent”. Hal ini berarti dashboard dapat diterima dan digunakan dengan baik oleh pengguna Steam.

Item Type:	Thesis (Sarjana)
Identification Number:	052115
Subjects:	000 Computer science, information and general works > 004 Computer science
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Unnamed user with username santoso
Date Deposited:	22 Oct 2021 06:55
Last Modified:	16 Oct 2024 02:51
URI:	http://repository.ub.ac.id/id/eprint/185054

Text RAFIF TAQIUDDIN.pdf Download (7MB)

Actions (login required)

View Item