Pemodelan Reward Rule Game Streamer Indonesia Tingkat Amatir dengan Orange Data Mining

Erlin Windia Ambarsari(1*)

(1) Universitas Indraprasta PGRI
(*) Corresponding Author

Abstract


Bukan menjadi suatu hambatan bagi pemain Game untuk dapat bermain. Namun, mereka dapat pula mendapatkan komisi sebagai penghasilan mereka dengan cara melakukan siaran langsung saat mereka sedang bermain. Platform yang menyediakan Live Streaming Game yang tidak hanya menguntungkan pemain, melainkan juga Industri Game. Namun berdasarkan pengamatan penulis, poin yang didapatkan tidak sesuai dengan aturan komisi (Reward Rule), padahal pencapaian target sudah terpenuhi. Hal ini membuat keresahan para pemain yaitu Game Streamer yang menjadikan Game sebagai penghasilan utama. Oleh karena itu, perlu dilakukan pemetaan data Live Streaming, dengan cara membuat suatu pemodelan untuk mengklasifikasi data yang didapatkan dari sebuah agensi Cube TV berdasarkan analisis deskriptif. Pemodelan dilakukan dengan mengunakan metode Decision Tree dari Orange Data Mining. Hasil yang ditemukan dari studi kasus ini adalah terdapat poin Rate yang menjadi penentuan komisi belum ditemukan korelasi variabelnya. Sehingga perlu ada kriteria yang spesifik untuk mendapatkan bobot-bobot ideal yang harus dicapai oleh para pemain.

Keywords


Live Streaming Game; Reward Rule; Decision Tree; Orange Data Mining;

Full Text:

PDF

References


L. Sunarmintyastuti, D. Katarina, E. W. Ambarsari, and D. Fathudin, “KRITERIA NILAI PRODUK GAME EDUKASI MAHASISWA UNIVERSITAS DARMA PERSADA DENGAN METODE MAGIQ,” 2019.

A. Aditya, “Jokowi Buka Kompetisi Game Online Terbesar di ASEAN,” CNBC Indonesia, 2018. [Online]. Available: https://www.cnbcindonesia.com/news/20181017090302-4-37699/jokowi-buka-kompetisi-game-online-terbesar-di-asean. [Accessed: 02-Apr-2019].

L. A. Hermanto, “Prakiraan Tinggi Gelombang Air Laut Menggunakan Data Mining,” J. IPTEK, vol. 22, no. 1, pp. 37–44, 2018.

P. Meilina, “Penerapan Data Mining Dengan Metode Klasifikasi Menggunakan Decision Tree dan Regresi,” J. Teknol., vol. 7, no. 1, pp. 11–20, 2015.

M. Stajdohar and J. Demsar, “Interactive Network Exploration with Orange,” J. Stat. Softw., vol. 53, no. 6, pp. 1–24, 2013.

E. Windia Ambarsari, “Klasifikasi Daya Tarik Konten Artikel Media Daring Dari Data Google Analytics Dengan C-FDT,” J. Inform. J. Pengemb. IT, vol. 03, no. 02, pp. 211–218, 2018.

D. Parwatiningtyas and E. W. Ambarsari, “CALCULATION ANALYSIS TO DETERMINE THE LARGEST EARTHQUAKE AREA AT NORTH SUMATERA USING J48 DECISION TREE METHOD,” in The Proceeding of Ocean, Mechanical and Aerospace -Science and Engineering- (POMase), 2016, vol. 3, no. 1, pp. 36–43.

S. M. S. Askari and M. A. Hussain, “Credit card fraud detection using fuzzy ID3,” in 2017 International Conference on Computing, Communication and Automation (ICCCA), 2017, pp. 446–452.

W. Dai and W. Ji, “A mapreduce implementation of C4.5 decision tree algorithm,” Int. J. Database Theory Appl., vol. 7, no. 1, pp. 49–60, 2014.

E. Ahishakiye, D. Taremwa, E. O. Omulo, and I. Niyonzima, “Crime Prediction Using Decision Tree (J48) Classification Algorithm,” Int. J. Comput. Inf. Technol., vol. 06, no. 03, pp. 2279–764, 2017.

T. Bujlow, T. Riaz, and J. M. Pedersen, “A method for classification of network traffic based on C5.0 machine learning algorithm,” in 2012 International Conference on Computing, Networking and Communications, ICNC’12, 2012.

S. J. J. Smith and D. S. Nau, “An Analysis of Forward Pruning,” Aaai 1994, pp. 1386–1391, 1994.




DOI: http://dx.doi.org/10.30998/string.v4i1.3606

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Erlin Windia Ambarsari

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

 

STRING (Satuan Tulisan Riset dan Inovasi Teknologi) indexed by:



Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional.
View My Stats

Flag Counter