ARTIFICIAL INTELLIGENCE DAN

DATA ANALYTICS

ANALISIS SENTIMEN APLIKASI FREE

FIRE PADA ULASAN PENGGUNAAN DI
GOOGLE PLAY MENGGUNAKAN
ALGORITHMA NATURAL LANGUAGE
PROCESSING DENGAN PYTHON

Dosen pengampu: Siska, M. Kom

 01 07 12

NAMA KELOMPOK
AHMAD SHOFI 2210631110006
DINI JULIYANTI 2210631110019
HUSNIYAH CAHYA NABILA 2210631110028
INDAH CAHYANI 2210631110031
SELVY JULIA LESTARI 2210631110055
TIKA MUTIA SARI 2210631110066
 01 07 12

ALASAN MEMILIH APLIKASI

FREE FIRE?

karena game FREE FIRE ini sedang diminati

banyak kalangan, terutama remaja dan kanak-
kanak.SELAIN ITU GAME FREE FIRE SANGAT
MENARIK UNTUK KAMI JADIKAN BAHAN DISKUSI.

Dengan memilih aplikasi Free Fire sebagai

subjek analisis sentimen, kita dapat menggali
pandangan dan pendapat pengguna tentang
aplikasi tersebut, serta mengidentifikasi
aspek-aspek yang disukai dan perlu
diperbaiki. Hal ini dapat membantu pengembang
dan pemilik aplikasi dalam pengambilan
keputusan yang lebih baik dalam meningkatkan
dan mempertahankan kualitas aplikasi
tersebut.
 HASIL CODING ATAU SUMBER DATA

Sumber data untuk analisis

sentimen aplikasi Free Fire
dapat berasal dari ulasan
pengguna yang tersedia di
Google Play. Google Play
menyediakan platform bagi
pengguna untuk memberikan
ulasan dan rating terhadap
aplikasi yang mereka gunakan.

1. Mengambil ulasan pengguna

Free Fire dari Google Play
Store menggunakan library
"google-play-scraper".
2. Menyimpan hasil ulasan
dalam DataFrame bernama
`data`.
 HASIL CODING ATAU SUMBER DATA

Setelah data ulasan pengguna berhasil dikumpulkan,

data tersebut dapat diolah dan dianalisis menggunakan
algoritma Natural Language Processing (NLP) dengan
menggunakan Python dan pustaka NLP seperti NLTK atau
spaCy. Data tersebut dapat dianalisis untuk
mengekstrak sentimen, pendapat, dan pola yang muncul
dari ulasan pengguna Free Fire.

3. Melakukan preprocessing pada data ulasan, termasuk

menghilangkan nilai kosong/null, menghapus tanda baca
dan karakter khusus, mengubah huruf menjadi kecil, dan
menghilangkan stop words.
4. Membuat Word Cloud untuk visualisasi kata-kata yang
sering muncul dalam ulasan.
5. Menggunakan lexicon VADER untuk melakukan analisis
sentimen pada setiap ulasan.
6. Memberikan label sentimen 'positif', 'negatif',
atau 'netral' berdasarkan nilai sentimen dari VADER.
7. Menyimpan DataFrame yang berisi hasil analisis
sentimen dalam format CSV.
 01 07 12
kode Python

Pertama kita menginstal library "google-

play-scraper" untuk mengambil data
ulasan dari Google Play.

2. Mengimpor library yang diperlukan

seperti pandas, numpy, dan library
lainnya.

3. Melakukan scraping ulasan aplikasi

Free Fire dari Google Play menggunakan
`reviews()` dan menyimpan hasilnya dalam
variabel `result`.
 01 07 12
kode Python

4. Membuat DataFrame `data` untuk

menyimpan data ulasan dan memformatnya
agar sesuai dengan kebutuhan analisis.

5. Melakukan pengolahan data awal,

seperti memilih kolom yang diperlukan.

6. Mengganti nama kolom dalam DataFrame

agar lebih deskriptif.
 01 07 12
kode Python

7. Menyimpan DataFrame dalam format CSV.

8. Membaca file CSV yang telah disimpan

sebelumnya.

9. Melakukan preprocessing pada data

ulasan, seperti menghilangkan nilai
kosong/null, tanda baca, dan karakter
khusus.
 01 07 12
kode Python

10. Selanjutnya olah data hasil scrap,

Melakukan penggabungan dan pemrosesan
lebih lanjut pada teks ulasan.

Menampilkan beberapa baris pertama dari

DataFrame `data` menggunakan
`data.head(10)`.

11. Mengimpor library tambahan yang

diperlukan untuk visualisasi dan
analisis lebih lanjut.
 01 07 12
kode Python

12. Membaca file CSV yang berisi data

ulasan.

13. Menampilkan beberapa baris pertama

dari DataFrame untuk memastikan data
telah dimuat dengan benar.

14. Melakukan preprocessing lanjutan,

seperti penghilangan stop words.
 01 07 12
kode Python

15. Membuat Word Cloud untuk

menggambarkan kata-kata yang sering
muncul dalam ulasan.

16. Menginstal corpus stopwords dalam

bahasa Indonesia menggunakan nltk.

17. Menginisialisasi set stopwords dalam

bahasa Indonesia.
 01 07 12
kode Python

18. Melakukan preprocessing lanjutan

pada ulasan dengan menghilangkan tanda
baca, mengubah huruf menjadi kecil, dan
menghilangkan stop words.

19. Membuat Word Cloud dengan stopwords

bahasa Indonesia.

20. Melakukan sentimen analisis,

Menginstal lexicon VADER menggunakan
nltk.
 01 07 12
kode Python

21. Menghitung sentimen untuk setiap

ulasan menggunakan
SentimentIntensityAnalyzer dan melabeli
sentimen menjadi kategori 'positif',
'negatif', atau 'netral'.

22. Menampilkan beberapa ulasan dan

sentimen terkait.

terakhir Menyimpan DataFrame dengan

hasil analisis sentimen dalam format
CSV.
 VISUALISASI WORD CLOUD DAN GRAPH

1. Visualisasi Word Cloud:

• Kami menggunakan library WordCloud
untuk membuat visualisasi word cloud
berdasarkan frekuensi kata dalam ulasan.
• Word cloud akan memberikan gambaran
visual yang intuitif tentang kata-kata
yang sering muncul dalam ulasan.

2. Visualisasi Grafik:
• Kami menggunakan library untuk membuat
grafik yang menunjukkan distribusi
sentimen ulasan.
• Grafik nya berupa diagram batang yang
menunjukkan persentase sentimen positif,
negatif, dan netral. berikut adalah
hasil Grafik nya.
 KESIMPULAN

Dengan menggabungkan analisis sentimen menggunakan NLP

dengan visualisasi data menggunakan word cloud dan
grafik, kita dapat mendapatkan wawasan yang berharga
tentang pengalaman pengguna dalam menggunakan aplikasi
Free Fire. Semoga materi dan analisis sentimen yang
telah Kami buat dapat bermanfaat bagi pengembanganmu
dalam menerapkan algoritma NLP dan melakukan
visualisasi data dengan Python. Teruslah belajar dan
menjelajahi kemungkinan yang ada!
 TERIMA KASIH!
Teruslah belajar dan eksplorasi,
Dunia teknologi dan pemrograman
terus berkembang dengan cepat.
Jangan ragu untuk terus belajar
hal-hal baru, mengeksplorasi
teknologi baru, dan mengikuti
perkembangan terbaru. Dengan tetap
belajar, kamu akan tetap relevan
dan memiliki keterampilan yang
dibutuhkan di masa depan.