ANALISA PENJUALAN VIDEO GAME MENGGUNAKAN METODE ENSEMBLE

Hiu Adam Abdullah, Denny Risky Delis Putra, Yufis Azhar

Abstract


Penjualan video game merupakan salah satu cara developer mendapatkan keuntungan dari kerjanya, disaat sekarang ini penjualan video game sudah sangat cepat hingga memerlukan data yang valid bagi para developer untuk dapat mendapatkan keuntungan. Oleh karena itu pentingnya menganalisa data. Dalam hal ini, penjualan di setiap negara dijadikan sebagai patokan penelitian, karena informasi itu sangat penting untuk mendapatkan hasil analisa dari penjualan game untuk kedepannya. tujuan dari penelitian ini adalah untuk mempermudah para developer game dalam penjualan untuk mencapai keuntungan maksimal. Tujuan penelitian tersebut dihasilkan kegunaan yang terdiri dari keuntungan praktis dan keuntungan maksimal dari penjualan game tersebut. Dan dalam penelitian ini juga menggunakan metode ensemble untuk mencari estimasi harga penjualan video game. Penelitian ini dilakukan agar dapat memberikan kemudahan dalam penjualan video game dan penjualan tersebut dalam memberikan keuntungan yang maksimal kepada developer. Yang nantinya dapat diketahui dari perbandingan yang akan menampilkan nilai dengan akurasi estimasi mana yang lebih baik. Metode yang menggunakan metode ensembling dapat meningkatkan akurasi hingga sebesar 0.8% dari metode biasa.


References


Achmad Muhlisian, A. (2018). Analisis Kesalahan Penggunaan Kata Hasil Terjemahan Indonesia-Jepang dalam Karya Ilmiah Mahasiswa. Journal of Japanese Language Education and Linguistics. https://doi.org/10.18196/jjlel.2217

Herdyanto, A. (2019). Sejarah Video Game: 10 Tahap Perkembangan dari Era Awal hingga Terkini. IDN Times.

Li, X., Wang, L., & Sung, E. (2008). AdaBoost with SVM-based component classifiers. Engineering Applications of Artificial Intelligence. https://doi.org/10.1016/j.engappai.2007.07.001

Listiana, E., & Muslim, M. A. (2017). Penerapan Adaboost untuk Klasifikasi Support Vector Machine Guna Meningkatkan Akurasi pada Diagnosa Chronic Kidney Disease. Prosiding SNATIF.

Nielsen, D. (2016). Tree Boosting With XGBoost. Master’s Thesis, Norweigian University of Science and Technology. https://doi.org/10.1111/j.1758-5899.2011.00096.x

Nurlaela, D. (2020). PENERAPAN ADABOOST UNTUK MENINGKATKAN AKURASI NAIVE BAYES PADA PREDIKSI PENDAPATAN PENJUALAN FILM. Inti Nusa Mandiri. https://doi.org/https://doi.org/10.33480/inti.v14i2.1178 VOL.

Suangga, A., Ropi, H., & Mardiyah, A. (2011). HUBUNGAN AKTIVITAS BERMAIN VIDEO GAME DENGAN SCHOOL MYOPIA PADA SISWA-SISWI SD ASY SYIFA 1 BANDUNG. Majalah Keperawatan Unpad.

Tiwari, A. K. (2017). Introduction to machine learning. In Ubiquitous Machine Learning and Its Applications. https://doi.org/10.4018/978-1-5225-2545-5.ch001

Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical Machine Learning Tools and Techniques. In Data Mining: Practical Machine Learning Tools and Techniques. https://doi.org/10.1016/c2009-0-19715-5

Zhang, G. P., & Berardi, V. L. (2001). Time series forecasting with neural network ensembles: An application for exchange rate prediction. Journal of the Operational Research Society. https://doi.org/10.1057/palgrave.jors.2601133




DOI: https://doi.org/10.24853/justit.12.3.8-16

Refbacks

  • There are currently no refbacks.


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

Statistik Pengunjung

Powered by Puskom-UMJ