Skripsi
Pemodelan pengalaman afektif positif dan negatif pemain pada game pydash menggunakan algoritma random forest / Bella Regina Salsabila
Abstrak
Di era digital saat ini industri game tengah mengalami perkembangan yang signifikan khususnya dengan meningkatnya popularitas game di kalangan berbagai lapisan usia. Terdapat beragam genre yang menawarkan pengalaman yang unik kepada para pemain salah satunya adalah genre platformer. PyDash sebuah game platformer yang terinspirasi dari Geometry Dash menawarkan tantangan dan tempo cepat yang memicu berbagai respon emosional pemain menjadikan game yang cocok untuk diteliti dalam konteks pengalaman afektif pemain. Pengalaman afektif pemain dianalisis berdasarkan data game-log yang mencatat aktivitas seperti jumlah kematian koin yang dikumpulkan dan percobaan yang diperlukan untuk menyelesaikan level. Tujuan dari penelitian ini adalah untuk mengetahui faktor yang mempengaruhi penilaian pengalaman afektif positif atau negatif dalam permainan PyDash menerapkan algoritma Random Forest dalam klasifikasi pengalaman afektif positif atau negatif menjelaskan performa algoritma Random Forest berdasarkan hasil Accuracy Precision dan Recall. Penelitian ini menggunakan empat dataset yang sebelumnya sudah diintegrasi dari data game-log dengan data kuesioner. Pengklasifikasian dilakukan dengan menggunakan algoritma Random Forest dengan skema perbandingan data training 80% dan data testing 20%. Hasil eksperimen menunjukkan bahwa dataset game_log_level ndash level1 game_log_level ndash level2 dan game_log_level ndash level3 memiliki akurasi tertinggi mencapai 92 31%. Serta hasil akurasi terendah dari dataset game_log_level ndash level4 yang memiliki akurasi sebesar 91 67%.