Skripsi

Analisis game populer pada platform steam menggunakan metode k-means clustering dan k-nearest neighbor / Tri Ananda Nugrahandika Saputra

Abstrak
Menurut Ketua Asosiasi Pengusaha Teknologi Informasi dan Komunikasi Nasional (APTIKNAS) Bapak Okky Tri Hutomo perubahan aktivitas masyarakat di masa pandemi telah memicu tingginya pengguna game berbasis digital. Ia menegaskan pertumbuhan pengguna aplikasi baik berbasis android komputer maupun konsol menunjukkan kenaikan sebesar 196 persen. Salah satu platform penyedia layanan distribusi game digital terbesar dan terlaris saat ini adalah Steam. Steam masih menjadi yang terpopuler dibandingkan platform penyedia layanan distribusi game lain dengan memiliki 30.000 game didalamnya dan masih akan terus naik setiap tahunnya. Untuk itu penulis melihat peluang untuk mengumpulkan data dan menganalisis game populer di Steam menggunakan teknik clustering dan klasifikasi. Metode k-means clustering dalam penelitian ini akan melihat pengelompokkan alami dari game-game tersebut. Sedangkan metode klasifikasi k-nearest neighbor akan melihat bagaimana nilai ketepatan tersebut. Penetapan jumlah cluster dapat dilakukan dengan memperhatikan atribut dari dataset game yang didapatkan lalu digunakan teknik klasifikasi untuk mengetahui ketepatan pada dataset yang baru. Dengan hasil clustering dan klasifikasi maka dapat dilihat karakteristik popularitas game secara komprehensif.

Informasi Detail

DDC

Rs 006.696 SAP a

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2021.

Deskripsi Fisik

xiii, 123 ; Ilus. ; 30 cm

Bahasa

Indonesia

No Reg

04931/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. GAME - ANALISIS
2. GAME - METODE K.MEANS CLUSTERING
3. GAME - K.MEANS CLUSTERING METHOD

Pembimbing

1. Harits Ar Rosyid; 2. Muhammad Iqbal Akbar

Lampiran Berkas