Skripsi

Pengembangan model pengalaman afektif positif dan negatif pemain pada game pydash menggunakan algoritma naïve bayes / Dinda Lutfi Anggraeni

Abstrak
Pengalaman afektif pemain dalam game sering kali diabaikan dalam pengembangan game meskipun hal ini dapat mempengaruhi kepuasan dan keterlibatan pemain. Game PyDash yang terinspirasi dari Geometry Dash adalah game platformer yang menantang pemain dengan berbagai rintangan geometris. Namun belum ada penelitian yang mendalam mengenai bagaimana elemen-elemen dalam game ini mempengaruhi pengalaman afektif pemain. Kurangnya pemahaman ini dapat menghambat pengembang game dalam menciptakan pengalaman bermain yang optimal dan memuaskan bagi pemain. Penelitian ini bertujuan untuk mengembangkan model klasifikasi yang dapat mengevaluasi pengalaman afektif positif dan negatif pemain berdasarkan data game-log dan kuesioner. Dengan menggunakan algoritma Gaussian Na iuml ve Bayes penelitian ini berusaha untuk mengevaluasi faktor-faktor yang mempengaruhi pengalaman afektif pemain dan memberikan wawasan bagi pengembang game untuk meningkatkan kualitas pengalaman bermain. Data dikumpulkan dari 35 pemain PyDash mencakup game-log yang dibagi menjadi dua dataset per attempt dan per level serta kuesioner yang mengukur pengalaman afektif pemain menggunakan skala Likert. Data game-log dan kuesioner digabungkan setelah dilakukan preprocessing termasuk pengubahan tipe data dan penanganan missing value. Teknik SMOTE digunakan untuk mengatasi ketidakseimbangan kelas dalam data. Model Gaussian Na iuml ve Bayes diterapkan dengan parameter terbaik yang ditemukan melalui GridSearchCV. Evaluasi model dilakukan menggunakan confusion matrix dan metrik seperti precision recall accuracy dan f1 score. Hasil penelitian menunjukkan bahwa model ini efektif dalam mengevaluasi pengalaman afektif pemain dengan akurasi yang cukup tinggi pada beberapa level permainan. Namun ditemukan overfitting pada data game-log level 2 yang diatasi dengan mengubah parameter var_smoothing. Penelitian ini memberikan wawasan baru bagi pengembang game untuk meningkatkan kualitas pengalaman bermain berdasarkan umpan balik pemain. Penelitian ini menunjukkan bahwa penggunaan algoritma machine learning khususnya Gaussian Na iuml ve Bayes dapat membantu dalam menganalisis dan mengevaluasi pengalaman afektif pemain game. Temuan ini dapat digunakan oleh pengembang game untuk menciptakan pengalaman bermain yang lebih memuaskan dan menarik bagi pemain.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xv, 42 hlm. : ilus.

Bahasa

Indonesia

No Reg

4205/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. MODEL PENGALAMAN AFEKTIF POSITIF & NEGATIF
2. ANALISIS PEMAIN GAME PYDASH - ALGORITMA NAIVE BAYES
3. POSITIVE AND NEGATIVE AFFECTIVE EXPERIENCE MODEL

Pembimbing

1. M. Zainal Arifin, S.si, M.kom

Lampiran Berkas