IMPLEMENTASI SISTEM REKOMENDASI GAME MENGGUNAKAN HYBRID FILTERING PADA PLATFROM DIGITAL STEAM
DOI:
https://doi.org/10.62281/v3i6.2363Kata Kunci:
Steam, Sistem Rekomendasi, Hybrid Filtering, Neural Collaborative Filtering, Cosine SimilarityAbstrak
Sistem rekomendasi merupakan salah satu fitur penting dalam platform digital modern, terutama dalam industri game, untuk membantu pengguna menemukan konten yang relevan dengan preferensi mereka. Sayangnya, sistem rekomendasi yang tidak akurat atau kurang relevan dapat menyebabkan penurunan kepuasan pengguna dan mengurangi tingkat keterlibatan. Untuk mengatasi masalah tersebut, penelitian ini mengembangkan sistem rekomendasi game berbasis hybrid filtering dengan menggabungkan dua pendekatan utama, yaitu Neural Collaborative Filtering (NCF) dan cosine similarity pada dataset dari platform Steam. NCF digunakan untuk mempelajari pola interaksi antara pengguna dan game menggunakan teknik deep learning, sedangkan cosine similarity dimanfaatkan untuk mengukur tingkat kemiripan antar game berdasarkan atribut kontennya. Proses pengembangan sistem dilakukan menggunakan metodologi Software Development Life Cycle (SDLC) Waterfall, dimulai dari tahap analisis kebutuhan, desain sistem, implementasi, hingga pengujian. Pengujian dilakukan dengan metode black-box testing untuk memastikan fungsionalitas sistem berjalan sesuai harapan. Selain itu, evaluasi akurasi model dilakukan menggunakan metrik Binary Crossentropy Loss dan Root Mean Squared Error (RMSE). Hasil pengujian menunjukkan model NCF mencapai performa optimal dengan nilai loss 0,3602, RMSE 0,2211, val_loss 0,4828, dan val_rmse 0,2604. Sementara itu, metode cosine similarity berhasil memberikan rekomendasi yang relevan, seperti contoh kasus input "Coral Island" yang menghasilkan rekomendasi game “My Time at Sandrock” dengan skor similarity sebesar 0,4888. Sistem ini mampu memberikan 10 rekomendasi game yang disesuaikan dengan preferensi input pengguna.
Unduhan
Referensi
Al Rasyid, R., & Ningsih, D. H. U. (2024). Penerapan Algoritma TF-IDF dan Cosine Similarity untuk Query Pencarian Pada Dataset Destinasi Wisata. Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 8(1), 170–178. https://doi.org/10.35870/jtik.v8i1.1416
Alfarizi, M. R. sirfatullah, Al-farish, M. Z., Taufiqurrahman, M., Ardiansah, G., & Muhamad Elgar. (2023). PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING. Karimah Tauhid, 2(1), 1–6.
Amanda Muchsin Chalik, Bilal Abdul Qowy, Faiz Hanafi, & Ahlijati Nuraminah. (2021). Mouse Tracking Tangan dengan Klasifikasi Gestur Menggunakan OpenCV dan Mediapipe. Jurnal Ilmiah Teknik Informatika dan Komunikasi, 1(2), 10–18. https://doi.org/10.55606/juitik.v1i2.323
Amansyah, I., Indra, J., Nurlaelasari, E., & Juwita, A. R. (2024). Prediksi Penjualan Kendaraan Menggunakan RegresiLinear: Studi Kasus pada Industri Otomotif di Indonesia. INNOVATIVE: Journal Of Social Science Research, 4(4), 1199–1216. https://doi.org/10.31004/innovative.v4i4.12735
Budhi Gustiandi. (2023). Langkah Awal Menguasai Bahasa Pemrograman Python. Penerbit BRIN. https://doi.org/10.55981/brin.656
Darmawan, R., & Geni, B. Y. (2023). Perancangan dan Pengembangan Sistem Informasi Monitoring Sewa ATM Berbasis Web Menggunakan Metode SDLC. Journal of Information System Research (JOSH), 4(4), 1109–1117. https://doi.org/10.47065/josh.v4i4.3808
Fajriansyah, M., Adikara, P. P., & Widodo, A. W. (2021). Sistem Rekomendasi Film Menggunakan Content Based Filtering. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(6), Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer.
Februariyanti, H., Laksono, A. D., Wibowo, J. S., & Utomo, M. S. (2021). IMPLEMENTASI METODE COLLABORATIVE FILTERING UNTUK SISTEM REKOMENDASI PENJUALAN PADA TOKO MEBEL. Jurnal Khatulistiwa Informatika, 9(1), 43–50. https://doi.org/10.31294/jki.v9i1.9859
Mukti, K. T., & Mardhiyah, I. (2022). SISTEM REKOMENDASI PEMBELIAN LISENSI FILM MENGGUNAKAN PENDEKATAN HYBRID FILTERING (STUDI KASUS: FILM ANIMASI JEPANG). JURSISTEKNI (Jurnal Sistem Informasi dan Teknologi Informasi), 4(3), 126–139. https://doi.org/10.52005/jursistekni.v4i3.116
Pangestu, A., Arifin, Y. T., & Safitri, R. A. (2023). ANALISIS SENTIMEN REVIEW PUBLIK PENGGUNA GAME ONLINE PADA PLATFORM STEAM MENGGUNAKAN ALGORITMA NAÏVE BAYES. Jurnal Mahasiswa Teknik Informatika, 7(6), 3096–3113. https://doi.org/10.36040/jati.v7i6.8829
Putra, T. I. Z. M., Suprapto, S., & Bukhori, A. F. (2022). Model Klasifikasi Berbasis Multiclass Classification dengan Kombinasi Indobert Embedding dan Long Short-Term Memory untuk Tweet Berbahasa Indonesia. Jurnal Ilmu Siber dan Teknologi Digital, 1(1), 1–28. https://doi.org/10.35912/jisted.v1i1.1509
Warnilah, A. I., Sutisna, H., Mulyana, A. J.-, Nuraeni, F. S.-, & Widianto, T. A.-. (2022). Program Aplikasi Pendeteksi Masker Dengan Menggunakan Algoritma Haarcascade. EVOLUSI : Jurnal Sains dan Manajemen, 10(1). https://doi.org/10.31294/evolusi.v10i1.12583
Witanto, K. S., Sanjaya Er, N. A., Karyawati, A. E., Kadyanan, I. G. A. G. A., Suhartana, I. K. G., & Astuti, L. G. (2022). Implementasi LSTM Pada Analisis Sentimen Review Film Menggunakan Adam Dan RMSprop Optimizer. JELIKU (Jurnal Elektronik Ilmu Komputer Udayana), 10(4), 351. https://doi.org/10.24843/JLK.2022.v10.i04.p05
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Zhulkhoir Rifat Rianda Raja Faqih, Farindika Metandi, Noor Alam Hadiwijaya (Author)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
