Analisis sentimen twitter terhadap steam menggunakan algoritma logistic regression dan support vector machine

Games online yakni hal yang sudah menempel di masyarakat saat ini. Dalam beberapa tahun terakhir, ekspansi internet dan perangkat yang cepat telah mempercepat munculnya games online. Motivasi utama pemain untuk terus bermain games online adalah ketersediaan kemampuan games online multi-pengguna yang dapat diakses di mana saja. Seiring perkembangan teknologi saat ini banyak platform penjualan games online seperti Steam, Epic Games Store, Origin dan sebagainya, opini masyarakat terkadang sulit dikomunikasikan secara eksklusif kepada pengelola khususnya develover Steam sebagai platform penjualan games, Ini mendorong individu untuk mengirimkan komentar, penilaian, dan konten serupa melalui media sosial, salah satu jejaring sosial yang paling terkenal saat ini ialah Twitter. Deretan tweet atau opini asal pengguna Twitter terkait platform Steam yang mana dapat dipergunakan menjadi analisis sentimen. Dalam penelitian ini data yang terkait menggunakan platform Steam dikumpulkan sampai 4363 data ulasan positif dan negatif terhadap platform steam dalam twitter, memakai TextBlob Library yang menyediakan API sederhana buat menyelam ke pada tugas Natural Language Processing (NLP) kemudian diproses menggunakan metode penambangan data (data mining), termasuk penambangan teks, cleaning, case folding, tokenization, filtering stopword, serta wordcloud. Untuk menghitung menggunakan metode Confusion Matrix dalam 2 algoritma yang berbeda buat perbandingan, algoritma yang digunakan adalah Logistic Regression dan Support Vector Machine. Dari percobaan perhitungan 2 metode itu diketahui bahwa algoritma Super Vector Machine mendapatkan nilai yang optimal dengan accuracy 0.81, precision 0.85 serta recall 0.77