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