Penerapan Algoritma K-Medoids untuk Pengelompokan Genre Game Berdasarkan Pola Penjualan
DOI:
https://doi.org/10.55606/jurritek.v4i1.4873Keywords:
K-Means Medoid, Game Genre Grouping, Sales Patterns, Data Analysis, Game IndustryAbstract
The gaming industry continues to grow rapidly, with various genres having different sales patterns. This research aims to group the best game genres based on sales patterns using the K-Means Medoid algorithm. This method was chosen because of its ability to overcome data diversity and reduce the influence of outliers compared to the conventional K-Means algorithm. The data used in this research includes game sales information from various platforms, which is then analyzed to find distribution patterns and market trends. The results of this research show that certain game genres have superior sales patterns compared to others, and there are special characteristics in the groups that are formed. These findings are expected to help game developers and publishers in making strategic decisions regarding the development and marketing of their products. In addition, this research also contributes to the development of a data-based recommendation system that can be used to understand market preferences more accurately.
Downloads
References
Abril Geralin. (2024). Industri Gaming, Perkembangan Pesat dan Dampaknya di 2024. LEET MEDIA.
Ahmad Harmain, Paiman, P., Kurniawan, H., Kusrini, K., & Dina Maulina. (2022). Normalisasi Data Untuk Efisiensi K-Means Pada Pengelompokan Wilayah Berpotensi Kebakaran Hutan Dan Lahan Berdasarkan Sebaran Titik Panas. TEKNIMEDIA: Teknologi Informasi Dan Multimedia, 2(2), 83–89. https://doi.org/10.46764/teknimedia.v2i2.49
Aripin, S., Gulo, T., & Angin, G. P. N. S. P. (2023). Penerapan Metode K-Medoids Clustering Pada Penanganan Kasus Demam Berdarah. BEES: Bulletin of Electrical and Electronics Engineering, 3(3), 139–146. https://doi.org/10.47065/bees.v3i3.3173
Bahri, S., & Midyanti, D. M. (2023). Penerapan Metode K-Medoids untuk Pengelompokan Mahasiswa Berpotensi Drop Out. Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(1), 165–172. https://doi.org/10.25126/jtiik.20231016643
Bhakti, M., Irawan, J. D., & Rudhistiar, D. (2024a). PENGELOMPOKAN GAME BERDASARKAN DATA TOP SELLER PADA WEBSITE " STEAM " MENGGUNAKAN METODE K-MEDOIDS. JATI (Jurnal Mahasiswa Teknik Informatika), 8(5), 8242–8249.
Bhakti, M., Irawan, J. D., & Rudhistiar, D. (2024b). PENGELOMPOKAN GAME BERDASARKAN DATA TOP SELLER PADA WEBSITE " STEAM " MENGGUNAKAN METODE K-MEDOIDS. JATI (Jurnal Mahasiswa Teknik Informatika), 8(5), 8242–8249.
Dwiatmoko, F. (2021). Preprocessing Tranformasi Data Menggunakan K-Means Clustering. Explore, 11(2), 141. https://doi.org/10.35200/explore.v11i2.544
Hastari, D., Nurunnisa, F., Winanda, S., & Dwi Aprillia, D. (2023). Penerapan Algoritma K-Means dan K-Medoids untuk Mengelompokkan Data Negara Berdasarkan Faktor Sosial-Ekonomi dan Kesehatan. SENTIMAS: Seminar Nasional Penelitian Dan Pengabdian Masyarakat, 274–281.
Juliandri Saputra, Muhammad Iqbal Al Aksha, Lily Maryani, Gilang, & Rahmaddeni. (2024). Analisis Perbandingan Efektivitas Metode Fuzzy C-Means dan K-Means dalam Mengelompokkan Buku Berdasarkan Frekuensi Peminjaman di Perpustakaan SMKN 1 Mandau. Explore, 14(2), 87–92. https://doi.org/10.35200/ex.v14i2.121
Kamila, I., Khairunnisa, U., & Mustakim, M. (2019). Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan Data Transaksi Bongkar Muat di Provinsi Riau. Jurnal Ilmiah Rekayasa Dan Manajemen Sistem Informasi, 5(1), 119. https://doi.org/10.24014/rmsi.v5i1.7381
Muhammad, O., Waloejo, B. S., & ... (2021). Strategi Pengembangan Industri Kreatif Subsektor Games Di Kota Malang. Planning for Urban Region …, 10, 69–76.
Rahayu, A. (2023). Perkembangan Industri Game Dunia, 48% Pemainnya Berasal dari Asia-Pasifik. Good Stat.
Ramadhani, J., Safitra Anugraha, Y., Fauzan, A., & Efrizoni, L. (2024a). Perbandingan Algoritma K-Means Clustering Dan K-Medoids Dalam Mengelompokkan Tingkat Kemiskinan Di Provinsi Riau. Jurnal Jaringan Sistem Informasi Robotik (Jsr), 8(1), 114–125.
Ramadhani, J., Safitra Anugraha, Y., Fauzan, A., & Efrizoni, L. (2024b). Perbandingan Algoritma K-Means Clustering Dan K-Medoids Dalam Mengelompokkan Tingkat Kemiskinan Di Provinsi Riau. Jurnal Jaringan Sistem Informasi Robotik (Jsr), 8(1), 114–125.
Rezky Pratama, A., Maulana, B., Didho Rianda, R., & El Hasyim, S. (2023). Comparison of K-Means and K-Medoids Algorithms for Grouping Video Game Sales Data in North America. Indonesian Journal of Informatic Research and Software Engineering (IJIRSE), 3(2), 111–118. https://doi.org/10.57152/ijirse.v3i2.898
Simanjuntak, D. S. M., Gunawan, I., Sumarno, S., Poningsih, P., & Sari, I. P. (2023). Penerapan Algoritma K-Medoids Untuk Pengelompokkan Pengangguran Umur 25 tahun Keatas Di Sumatera Utara. Jurnal Krisnadana, 2(2). https://doi.org/10.58982/krisnadana.v2i2.264
Tampubolon, H. D., Suhada, S., Safii, M., Solikhun, S., & Suhendro, D. (2021). Penerapan Algoritma K-Means dan K-Medoids Clustering untuk Mengelompokkan Tindak Kriminalitas Berdasarkan Provinsi. Jurnal Ilmu Komputer Dan Teknologi, 2(2), 6–12. https://doi.org/10.35960/ikomti.v2i2.703
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 JURAL RISET RUMPUN ILMU TEKNIK
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
_001.jpg)
