Keywords
Video Game
Naive Bayes
Pengguna
How to Cite
Abstract
Penggunaan video game terus meningkat selama beberapa tahun terakhir, menghasilkan beragam jenis game yang ditujukan untuk berbagai kategori pengguna. Klasifikasi pengguna video game penting untuk memahami perilaku pengguna dan mengembangkan strategi pemasaran yang efektif. Tujuan dari penelitian ini adalah untuk mengklasifikasikan pemain video game menggunakan algoritma Naive Bayes. Algoritma ini digunakan karena kesederhanaannya dan kemampuannya menangani data dalam jumlah besar dengan efisiensi tinggi. Dataset yang digunakan meliputi Ranking, Platform, Tahun, Genre, dan Publikasi Game. Algoritma Naive Bayes dilatih untuk menganalisis pola penggunaan video game, hasil percobaan menunjukkan bahwa model ini dapat mengklasifikasikan pemain video game berdasarkan tingkat gairahnya mencapai tingkat akurasi 97.51%. Semua ini menunjukkan bahwa algoritma Naive Bayes dapat menjadi alat yang efektif untuk mengklasifikasikan pemain video game, mengindikasikan bahwa informasi berguna bagi pemain dan pengembang untuk memahami preferensi pengguna.
References
N. N. F. Adzani, W. Witanti, and F. R. Umbara, “KLASIFIKASI TINGKAT PENJUALAN VIDEO GAME DENGAN MENGGUNAKAN METODE K – NEAREST NEIGHBORS,” INFOTECH journal, vol. 9, no. 2, pp. 618–625, Nov. 2023, doi: 10.31949/infotech.v9i2.7371.
M. R. Hisham, J. Pratama, L. Andito, A. Kho, and H. Wijaya, “Analisa Klasifikasi Genre Game PC Terpopuler,” Journal of Information System,Graphics, Hospitality and Technology, vol. 4, no. 01, pp. 27–31, Mar. 2022, doi: 10.37823/insight.v4i01.145.
A. Pangestu, Y. T. Arifin, and R. A. Safitri, “ANALISIS SENTIMEN REVIEW PUBLIK PENGGUNA GAME ONLINE PADA PLATFORM STEAM MENGGUNAKAN ALGORITMA NAÏVE BAYES,” 2023.
F. Rozi, M. Fakhrul Rozi, R. Siregar, N. I. Syahputri, F. Teknik, and D. Komputer, “Penerapan Data Mining Menggunakan Metode Naive Bayes Untuk Klasifikasi Data Penentuan Hasil Penjualan Dalam Strategi Pemasaran,” Online, 2023.
Y. Sakti Wardhana and A. Kesumawati, “Implementasi Klasifikasi Naïve Bayes dan Pemodelan Topik dengan Latent Dirichlet Allocation untuk Data Ulasan Video Game Lokal Pada Platform Steam,” Emerging Statistics and Data Science Journal, vol. 1, no. 3, 2023.
O. Aura, R. Nabila, D. Priyono Putri, P. Erawati, and A. Marini, “https://bajangjournal.com/index.php/JPDSH PEMANFAATAN GAME EDUKASI ONLINE MATEMATIKA DALAM MENINGKATKAN KEMAMPUAN BERHITUNG SISWA,” 2022. [Online]. Available: https://bajangjournal.com/index.php/JPDSH
S. Nuralia and T. Prabowo, “Implementasi Naive Bayes Classifier Dalam Memprediksi Kelulusan Mahasiswa Implementation of Naive Bayes Classifier in Predicting Student Graduation,” 2023. [Online]. Available: https://bit.ly/45fwDP4
A. Guswandri, L. Andraini, S. I. Akutansi, and T. Komputer, “Menerapkan Analisis Sentimen Metode Naïve Bayes dan svm.”
Y. Kustanto, R. Arumi, D. Sasongko, E. Ully Artha, and N. A. Prabowo, “Implementasi K-Modes Clustering Untuk Pengelompokan Data Bermain Game Pada Mahasiswa Ditinjau Dari Durasi Belajarnya,” Media Online), vol. 4, no. 5, pp. 2495–2505, 2024, doi: 10.30865/klik.v4i5.1619.
O. Nurdiawan and N. Salim, “PENERAPAN DATA MINING PADA PENJUALAN BARANG MENGGUNAKAN METODE METODE NAIVE BAYES CLASSIFIER UNTUK OPTIMASI STRATEGI PEMASARAN,” Jurnal Teknologi Informasi dan Komunikasi STMIK Subng, 2018.
P. Sharma, D. Singh HOD, and A. Singh, “IEEE SPONSORED 2 ND INTERNATIONAL CONFERENCE ON ELECTRONICS AND COMMUNICATION SYSTEM(ICECS 2015) CLASSIFICATION ALGORITHMS ON A LARGE CONTINUOUS RANDOM DATASET USING RAPID MINER TOOL.”
W. Gata et al., “Algorithm Implementations Naïve Bayes, Random Forest. C4.5 on Online Gaming for Learning Achievement Predictions,” 2019.
R. P. Sidiq, B. A. Dermawan, and Y. Umaidah, “Sentimen Analisis Komentar Toxic pada Grup Facebook Game Online Menggunakan Klasifikasi Naïve Bayes,” Jurnal Informatika Universitas Pamulang, vol. 5, no. 3, p. 356, Sep. 2020, doi: 10.32493/informatika.v5i3.6571.
H. A. Abdullah, D. Risky, D. Putra, and Y. Azhar, “ANALISA PENJUALAN VIDEO GAME MENGGUNAKAN METODE ENSEMBLE,” 2022. [Online]. Available: https://jurnal.umj.ac.id/index.php/just-it/index
M. Faskal and P. Pratama, “Mengetahui Tingkat Kekuatan Karakter Klee pada Game Genshin Impact Menggunakan Metode Klasifikasi dengan Algoritma Naïve Bayes,” JDMIS: Journal of Data Mining and Information Systems, vol. 1, no. 2, pp. 72–77, 2023, doi: 10.54259/jdmis.v1i2.1710.
“Kaggle, Global Video Game Sales , CC0: Public Domain” https://www.kaggle.com/datasets/thedevastator/global-video-game-sales (accessed Juni 03, 2024).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Moh. Iqbal Iqza Jauhar, Afrizal Ahmad Bayu P, Aidina Ristyawan, Erna Daniati