PERBANDINGAN KINERJA METODE SELEKSI FITUR CHI-SQUARE DAN ALGORITMA GENETIKA UNTUK OPTIMASI KLASIFIKASI NAÏVE BAYES PADA ANALISIS SENTIMEN ULASAN DI GOOGLE PLAY STORE (STUDI KASUS: APLIKASI MOBILE LEGENDS)

Jagad Damai, . (2026) PERBANDINGAN KINERJA METODE SELEKSI FITUR CHI-SQUARE DAN ALGORITMA GENETIKA UNTUK OPTIMASI KLASIFIKASI NAÏVE BAYES PADA ANALISIS SENTIMEN ULASAN DI GOOGLE PLAY STORE (STUDI KASUS: APLIKASI MOBILE LEGENDS). Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

[thumbnail of 1_Cover_123220017_Jagad Damai.pdf] Text
1_Cover_123220017_Jagad Damai.pdf
Download (102kB)
[thumbnail of 2_Abstrak_123220017_Jagad Damai.pdf] Text
2_Abstrak_123220017_Jagad Damai.pdf
Download (156kB)
[thumbnail of 3_Halaman Pengesahan_123220017_Jagad Damai.pdf] Text
3_Halaman Pengesahan_123220017_Jagad Damai.pdf
Download (441kB)
[thumbnail of 4_Daftar Isi_123220017_Jagad Damai.pdf] Text
4_Daftar Isi_123220017_Jagad Damai.pdf
Download (210kB)
[thumbnail of 5_Daftar Pustaka_123220017_Jagad Damai.pdf] Text
5_Daftar Pustaka_123220017_Jagad Damai.pdf
Download (152kB)
[thumbnail of 6_Skrips Full_123220017_Jagad Damai.pdf] Text
6_Skrips Full_123220017_Jagad Damai.pdf
Restricted to Repository staff only
Download (5MB)
Official URL: https://upnyk.ac.id/

Abstract

Perkembangan teknologi digital mendorong peningkatan User-Generated Content (UGC), khususnya dalam bentuk ulasan pengguna pada platform distribusi aplikasi seperti Google Play Store. Ulasan tersebut mengandung informasi penting yang dapat dimanfaatkan untuk memahami persepsi pengguna terhadap suatu aplikasi. Mobile Legends: Bang Bang dipilih sebagai objek penelitian karena memiliki jumlah pengguna yang besar serta karakteristik ulasan yang kompleks, sehingga menimbulkan tantangan dalam proses klasifikasi sentimen. Penelitian ini bertujuan untuk menerapkan serta membandingkan kinerja metode seleksi fitur Chi-Square dan Algoritma Genetika dalam mengoptimalkan klasifikasi sentimen menggunakan algoritma Multinomial Naïve Bayes.
Dataset penelitian berupa ulasan pengguna Mobile Legends berbahasa Indonesia yang direpresentasikan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Untuk mengatasi ketidakseimbangan data, diterapkan teknik Synthetic Minority Oversampling Technique (SMOTE) pada data latih. Proses seleksi fitur dilakukan menggunakan metode Chi-Square dan Algoritma Genetika, kemudian performa model dievaluasi berdasarkan parameter akurasi, presisi, recall, dan F1-score.
Hasil penelitian menunjukkan bahwa metode Chi-Square memberikan performa terbaik dengan akurasi sebesar 72,58% dan F1-score macro sebesar 70,56%, serta waktu komputasi yang jauh lebih efisien dibandingkan Algoritma Genetika. Sementara itu, Algoritma Genetika menghasilkan akurasi sebesar 72,06% dan F1-score macro sebesar 69,55%, namun membutuhkan waktu komputasi yang lebih tinggi. Temuan ini menunjukkan bahwa metode statistik sederhana seperti Chi-Square dapat menjadi solusi yang lebih efektif dan efisien dalam meningkatkan kinerja klasifikasi Naïve Bayes pada analisis sentimen data teks.

Kata Kunci: Analisis Sentimen, Naïve Bayes, Chi-Square, Algoritma Genetika, Seleksi Fitur, TF-IDF.

Item Type: Tugas Akhir (Skripsi)
Additional Information: Jagad Damai (Penulis - 123220017) Dhimas Arief Dharmawan (Pembimbing)
Uncontrolled Keywords: Analisis Sentimen, Naïve Bayes, Chi-Square, Algoritma Genetika, Seleksi Fitur, TF-IDF.
Subjek: T Technology > T Technology (General)
Divisions: Fakultas Teknik Industri > (S1) Informatika
Depositing User: Indah Lestari
Date Deposited: 11 Mar 2026 00:53
Last Modified: 11 Mar 2026 00:53
URI: http://eprints.upnyk.ac.id/id/eprint/47297

Actions (login required)

View Item View Item