<![CDATA[Abstrak— Perkembangan industri game digital yang pesat menyebabkan tingginya persaingan antar game dalam mempertahankan popularitasnya. Popularitas suatu game tidak hanya diukur dari banyaknya jumlah pemain dan interaksi pengguna pada suatu waktu, namun juga dari kemampuan game dalam mempertahankan keberlanjutan dan pengelolaan untuk jangka panjang. Maka dari itu dilakukan pengelompokkan tingkat stabilitas popularitas dari game Roblox menggunakan algoritma K-Means untuk mengetahui kondisi karakteristik game berdasarkan data historis aktivitasnya. Dataset yang digunakan terdiri dari 5.985 data game dengan atribut numerik seperti jumlah suka, pemain aktif, favorit, kunjungan dan atribut waktu seperti umur game dan jarak pembaruan. Tahapan penelitian meliputi prapemrosessan, rekayasa fitur, transformasi logaritmik, penskalaan RobustScaler, reduksi dimensi menggunakan Principal Component Analysis (PCA), pembentukan skenario clustering k=2 hingga k=9, dan evaluasi hasil cluster. Hasil evaluasi menunjukkan k=4 berada pada titik elbow yang jelas dengan Silhouette sebesar 0,6868, DBI sebesar 0,4884, dan CHI sebesar 21879,81. Sedangkan k=9 menghasilkan Silhouette sebesar 0,5527, DBI sebesar 0,6473, CHI sebesar 25766,54. Berdasarkan hasil analisis, k=9 mampu merepresentasikan variasi tingkat popularitas dan stabilitas yang lebih rinci dari yang tinggi, sedang, dan rendah. Maka penelitian ini tidak hanya mempertimbangkan kualitas metrik, namun juga kemampuan cluster dalam merepresentasikan variasi data sesuai tujuan analisis. Kata Kunci— Stabilitas Popularitas, Game Roblox, Clustering, K-Means.]]>
Copyrights © 2026
