Dini Erlinawati
Universitas Sebelas Maret

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Inovasi Naive Bayes Classifier dalam Prediksi Rating Game untuk Pengalaman Gaming yang Lebih Menarik Febri Liantoni; Dini Erlinawati; Yuliana Rizki Ikhsanty; Fadil Indra Sanjaya; Mulia Sulistiyono
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 11, No 3 (2023)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/justin.v11i3.67228

Abstract

Ada beberapa jenis game yang muncul dan dibuat untuk menarik perhatian para gamers. Beberapa permainan mampu mengobati rasa lelah, panik, sedih, bosan, dan kebanyakan mengisi waktu luang. Penelitian ini bertujuan untuk mengembangkan dan menerapkan metode Naive Bayes Classifier yang inovatif dalam prediksi rating game. Dengan menggunakan pendekatan yang memberikan rekomendasi rating yang akurat untuk setiap permainan yang akan dirilis, dengan tujuan meningkatkan pengalaman gaming pengguna. Dataset yang digunakan dalam penelitian ini mencakup informasi tentang game-game yang telah dirilis sebelumnya, termasuk rating yang diberikan oleh para pengguna. Hasil eksperimen menunjukkan bahwa metode Naive Bayes Classifier yang dikembangkan kami memiliki kinerja yang baik dalam memprediksi rating game. Penelitian ini memiliki potensi untuk meningkatkan pengalaman gaming pengguna dengan memberikan rekomendasi rating yang akurat. Dengan menggunakan metode Naive Bayes Classifier yang inovatif diharapkan dapat membantu pengguna dalam membuat keputusan yang tepat tentang permainan yang akan mereka mainkan.