<![CDATA[Abstrak —Yu-Gi-Oh! Trading Card Game adalah sebuahpermainan kartu dimana pemain membangun deck, menyusunstrategi dan menghubungkan kemampuan atau effect suatukartu dengan kemampuan kartu lainnya. Saat ini terdapat lebihdari 10000 kartu berbeda dengan effect berbeda sehingga dapatmenyulitkan untuk mencari kartu dengan effect tertentu yangcocok dengan strategi yang ingin dilakukan. Terdapat aplikasiresmi yang dapat mencari kartu, termasuk dengan caramencari kemampuan dari kartu tersebut. Namun, aplikasitersebut memiliki kekurangan pada mesin pencariannya yangsangat sederhana dan dapat menghasilkan false positive. Dalampenelitian ini dibangun klasifier multilabel yang dapatmengklasifikasikan effect kartu untuk membantu pencariankartu, dan juga menentukan praproses yang tepat untukklasifikasi ini. Dilakukan pendekatan transformasi problemdimana klasifikasi multilabel dipecah menjadi 6 klasifikasibiner sesuai banyaknya label. Lalu, prediksi klasifikasi binertersebut digabungkan menjadi prediksi klasifikasi multilabel.Klasifikasi dengan menggunakan praproses penghapusan stopword menghasilkan micro average f1-score terbaik dengan nilai0.54. Walaupun begitu, nilai ini kurang baik dan menunjukkanbahwa klasifier belum dapat melabeli data dengan baik,sehingga klasifier yang dibangun belum dapat membantupemain mencari kartu dengan kelas effect yang sesuaiharapan.1 Kata kunci— klasifikasi, multilabel, stemming, penghapusanstop word, yu-gi-oh]]>
Copyrights © 2024
