Klasifikasi Tier Karakter Shorekeeper pada Game Wuthering Waves Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.61805/fahma.v23i1.144Abstrak
Industri video game memberikan dampak nyata terhadap bentuk permainan dalam bentuk digital. Wuthering Waves merupakan video game yang dapat dibuat bermain secara bersama secara online dengan multi player. yang kaya dan kompleks. Analisis pada tingkat kekuatan karakter Shorekeeper menggunakan metode Naïve Bayes Classifier untuk pengklasifikasian data secara akurat, efektif dan efisien. Data training dan testing digunakan untuk menentukan probabilitas karakter berdasarkan atribut rarity, elemen, dan senjata. Hasil analisis menunjukkan bahwa Shorekeeper tergolong dalam kategori Tingkat S, menunjukkan kekuatan yang tertinggi. Pemahaman terhadap atribut karakter dalam game menjadi penting untuk mengoptimalkan strategi permainan. Hasil yang diperoleh memberikan wawasan bagi pengembang game dan pemain dalam menentukan efektivitas karakter yang berbeda, serta memiliki kontribusi terhadap dinamika permainan yang lebih luas.
Unduhan
Referensi
S. K. M. K. Dasril Aldo, S. K. M. K. Ardi, S. K. M. K. Yeyi Gusla Nengsih, S. K. M. K. Ilwan Syafrinal, and S. K. M. K. Nursaka Putra, PENGANTAR TEKNOLOGI INFORMASI. in -. CV. Insan Cendekia Mandiri, 2020. [Online]. Available: https://books.google.co.id/books?id=nzMXEAAAQBAJ
“Wuthering Waves - Apps on Google Play.”
V. Y. P. Ardhana et al., Konsep Dasar Teknologi Informasi. MEGA PRESS NUSANTARA, 2024. [Online]. Available: https://books.google.co.id/books?id=siceEQAAQBAJ
Y. Ardilla et al., DATA MINING DAN APLIKASINYA. Penerbit Widina, 2021. [Online]. Available: https://books.google.co.id/books?id=53FXEAAAQBAJ
R. M. Sari and Y. A. M, Klasifikasi Data Mining. Serasi Media Teknologi, 2024. [Online]. Available: https://books.google.co.id/books?id=xTwXEQAAQBAJ
S. K. M. K. Al-Khowarizmi and M. P. Muhammad Arifin, Pengantar Teknologi Informasi (Dalam Perkembangan Data Science). in 1. umsu press, 2021. [Online]. Available: https://books.google.co.id/books?id=pkNDEAAAQBAJ
W. I. Rahayu, M. H. K. Saputra, R. M. Awangga, and R. Habibi, Penerapan Metode Naive Bayes dan Skala Likert Pada Aplikasi Prediksi Kelulusan Mahasiswa. Kreatif, 2020. [Online]. Available: https://books.google.co.id/books?id=CZv9DwAAQBAJ
E. A. Novia, W. I. Rahayu, and C. Prianto, SISTEM PERBANDINGAN ALGORITMA K-MEANS DAN NAÏVE BAYES UNTUK MEMPREDIKSI PRIORITAS PEMBAYARAN TAGIHAN RUMAH SAKIT BERDASARKAN TINGKAT KEPENTINGAN. Kreatif. [Online]. Available: https://books.google.co.id/books?id=MND9DwAAQBAJ
N. N. Amiroh et al., PROSIDING SEMINAR NASIONAL INOVASI TEKNOLOGI INFORMASI & KOMUNIKASI: “Optimalisasi Teknologi Kecerdasan Artifisial untuk Mendukung Transformasi Digital dan Masa Depan Otomasi.” Sanata Dharma University Press, 2024. [Online]. Available: https://books.google.co.id/books?id=N30YEQAAQBAJ
Z. Rohman, A. Homaidi, and Z. Fatah, “Penerapan Metode Naïve Bayes Untuk Menentukan Penerima Kartu Indonesia Pintar (KIP),” G-Tech: Jurnal Teknologi Terapan, vol. 8, no. 3, pp. 1806–1815, Jul. 2024, doi: 10.33379/gtech.v8i3.4573.
Suyanto, Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung: Informatika, 2017.
R. T. Vulandari, Data Mining Teori dan Aplikasi RapidMiner. Yogyakarta: Gava Media, 2017.
E. Prasetyo, Data Mining Konsep dan Aplikasi Menggunakan MATLAB. Yogyakarta: Andi, 2012.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Sirajuddeni, Zaehol Fatah, M.Kom (Penulis)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
