Skripsi

Algoritma SWM untuk klasifikasi kategori usia pada video game / Alif Dwi Kurniawan

Abstrak
Dalam beberapa dekade terakhir industri video game telah berkembang secara masif. Hal ini mengakibatkan banyaknya konten yang tersedia sehingga perlu pengelompokan konten game sesuai yang dibutuhkan oleh pengguna. Penelitian ini bertujuan untuk mengklasifikasikan kategori usia dalam video game sehingga pengguna dapat memperoleh informasi tentang kesesuaian suatu game untuk kelompok usia yang diharapkan. Metode klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). Pengujian dilakukan pada dataset video game rating by ERSB (Entertainment Software Rating Board) dengan metode multikelas SVM One-vs-Rest dan One-vs-One serta menerapkan beberapa skema perbandingan data latih dan data uji (yaitu 60 40 70 30 80 20 dan 90 10). Hasil eksperimen menunjukkan nilai akurasi tertinggi berdasarkan evaluasi menggunakan confussion matrix pada metode multikelas SVM One-Vs-Rest dengan skema pembagian data 90 10 mencapai akurasi sebesar 91 57% presisi 92% dan recall 92%. Hal ini menunjukkan bahwa peningkatan data pelatihan mampu meningkatkan akurasi dengan skema data latih dan data uji sebesar 90 10 memiliki kinerja terbaik.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xiv, 51 hlm. : ilus.

Bahasa

Indonesia

No Reg

0330/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. INFORMATIKA - SUPPORT VECTOR MACHINE

Pembimbing

1. Triyanna Widiyaningtyas, M.t.

Lampiran Berkas