Cluster Tingkat Kecanduan Game Online Pada Mahasiswa Fakultas Sains Dan Teknologi Dan Korelasinya Terhadap Minat Belajar
Cluster Level of Online Game Addiction in Students of the Faculty of Science and Technology and its Correlation with Learning Interest
Keywords:
Data Mining, Clustering, K-Means, Game Online, Tingkat Kecanduan Game OnlineAbstract
Game Online merupakan permainan yang menggunakan jaringan internet untuk menghubungkan para pemainnya. Pemain game online umumnya didominasi oleh pelajar, mulai dari SD, SMP, SMA, Mahasiswa hingga orang dewasa. Angka pemain game online di Indonesia kian meningkat setiap tahunnya terutama dikalangan pelajar. Game Online memberikan tantangan menarik dan kepuasan bagi pemainnya saat memainkannya. Bahkan kerap kali dijumpai para pemain game online bermain hingga berjam-jam lama-nya. Hal inilah yang menyebabkan para pemainnya menjadi kecanduan terhadap game online dan menunda-nunda pekerjaan yang seharusnya dilakukan. Penelitian ini dilakukan dengan tujuan untuk menganalisa pengelompokkan tingkat kecanduan game online terhadap minat belajar mahasiswa dengan menerapkan algoritma K-Means yang merupakan algoritma klasterisasi yang mengelompokkan data berdasarkan titik pusat klaster (centroid) terdekat dengan data. Data yang digunakan dalam penelitian merupakan data hasil kuesioner yang diberikan kepada mahasiswa Fakultas Sains dan Teknologi (FST) UIN Sultan Syarif Kasim Riau yang berjumlah 78 record data. Berdasarkan hasil analisis dan pengolahan data yang telah dilakukan, diperoleh cluster terbaik berdasarkan nilai DBI di Cluster 4 pada k=7 dengan nilai 1.717.
References
D. Irwandi, R. Masykur, and S. Suherman, “Korelasi Kecanduan Mobile Legends Terhadap Prestasi Belajar Mahasiswa,” Jurnal Lebesgue: Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, vol. 2, no. 3, pp. 292–299, 2021.
M. Wahyudi, “DIAGNOSA GEJALA KECANDUAN GAME ONLINE DENGAN METODE K-NEAREST NEIGHBOR,” in SEMINAR NASIONAL INFORMATIKA (SENATIKA), 2022, vol. 6, no. 3, pp. 106–117.
I. G. Mauboy and E. Siagian, “Hubungan Game Online Terhadap Minat Belajar Mahasiswa Keperawatan,” Jurnal Sosial dan Sains, vol. 2, no. 3, pp. 457–464, 2022.
U. R. Gurning and M. Mustakim, “Penerapan Algoritma K-Means dan K-Medoid untuk Pengelompokkan Data Pasien Covid-19,” Building of Informatics, Technology and Science (BITS), vol. 3, no. 1, pp. 48–55, 2021.
S. A. Putri and M. Mustakim, “Dimensional Data Unsupervised Learning Using an Analytic Hierarchy Process in Determining Attributes in the Classification Algorithm,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 1, pp. 235–240, 2022.
D. N. Aini, B. Oktavianti, M. J. Husain, D. A. Sabillah, S. T. Rizaldi, and M. Mustakim, “Seleksi Fitur untuk Prediksi Hasil Produksi Agrikultur pada Algoritma K-Nearest Neighbor (KNN),” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 1, pp. 140–145, 2022.
E. D. Lestari, “The Implementation of Unsupervised Learning Techniques as a Data Sharing Model in the Back-propagation for the Classification of Student Graduation,” in 2021 4th International Conference of Computer and Informatics Engineering (IC2IE), 2021, pp. 96–100.
T. A. Pertiwi, F. R. Halim, I. R. Fahrezi, and D. Pramana, “Pemetaan Wilayah Dakwah Di Provinsi Riau Menggunakan Algoritma K-Means: Mapping of Da’wah Areas in Riau Province Using the K-Means Algorithm,” in SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat, 2022, pp. 80–86.
A. P. Windarto et al., “Analysis of the K-Means Algorithm on Clean Water Customers Based on the Province,” in Journal of Physics: Conference Series, Sep. 2019, vol. 1255, no. 1. doi: 10.1088/1742-6596/1255/1/012001.
B. Zhu, E. Bedeer, H. H. Nguyen, R. Barton, and J. Henry, “Improved Soft-k-Means Clustering Algorithm for Balancing Energy Consumption in Wireless Sensor Networks,” IEEE Internet Things J, vol. 8, no. 6, pp. 4868–4881, Mar. 2021, doi: 10.1109/JIOT.2020.3031272.
A. Muhammad and E. Budianita, “Pengelompokan Tingkat Kecanduan Game Online Menggunakan Algoritma Fuzzy C-Means,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 4, 2022.
L. E. Devila, S. R. Cholil, R. D. Athallah, and A. A. Irawan, “Implementasi Algoritma K-Means untuk Menganalisa Pemain Video Game Mobile Legend untuk Mengetahui Tipe Hero dan Role yang Sering Digunakan pada Setiap Kalangan,” STRING (Satuan Tulisan Riset dan Inovasi Teknologi), vol. 6, no. 3, pp. 261–268, 2022.
R. Adha, N. Nurhaliza, and U. Soleha, “Perbandingan Algoritma DBSCAN dan K-Means Clustering untuk Pengelompokan Kasus Covid-19 di Dunia,” Jurnal Sains, Teknologi dan Industri, vol. 18, no. 2, pp. 206–211, 2021, [Online]. Available: https://covid19.who.int.
R. Susanto, M. N. Husen, A. Lajis, W. Lestari, and H. Hasanah, “Clustering of Student Perceptions on Developing a Physics Laboratory Based on Information Technology and Local Wisdom,” in 2021 8th International Conference on Information Technology, Computer and Electrical Engineering, ICITACEE 2021, 2021, pp. 68–73. doi: 10.1109/ICITACEE53184.2021.9617483.
D. Transaksi Bongkar Muat di Provinsi Riau, I. Kamila, U. Khairunnisa, P. Studi Sistem Informasi, and F. Sains dan Teknologi UIN Sultan Syarif Kasim Riau, “Perbandingan Algoritma K-Means dan K-Medoids untuk Pengelompokan,” Jurnal Ilmiah Rekayasa dan Manajemen Sistem Informasi, vol. 5, no. 1, pp. 119–125, 2019.
E. Umargono, J. E. Suseno, and S. K. V. Gunawan, “K-means clustering optimization using the elbow method and early centroid determination based on mean and median formula,” in The 2nd International Seminar on Science and Technology (ISSTEC 2019), 2020, pp. 121–129.
F. Nie, Z. Li, R. Wang, and X. Li, “An effective and efficient algorithm for K-means clustering with new formulation,” IEEE Trans Knowl Data Eng, 2022.
M. Marlindawati, “PENGELOMPOKAN MINAT BELAJAR MAHASISWA MENGGUNAKAN TEKNIK DATA MINING DENGAN METODE CLUSTERING,” PENGELOMPOKAN MINAT BELAJAR MAHASISWA MENGGUNAKAN TEKNIK DATA MINING DENGAN METODE CLUSTERING, 2022.
A. Winarta and W. J. Kurniawan, “Optimasi cluster k-means menggunakan metode elbow pada data pengguna narkoba dengan pemrograman python,” JTIK (Jurnal Teknik Informatika Kaputama), vol. 5, no. 1, pp. 113–119, 2021.
M. Wahyudi, “DIAGNOSA GEJALA KECANDUAN GAME ONLINE DENGAN METODE K-NEAREST NEIGHBOR,” in SEMINAR NASIONAL INFORMATIKA (SENATIKA), 2022, vol. 6, no. 3, pp. 106–117.
O. Okfalisa, A. Angraini, S. Novi, H. Rusnedy, L. Handayani, and M. Mustakim, “Identification of the distribution village maturation: Village classification using Density-based spatial clustering of applications with noise,” Jurnal Teknologi dan Sistem Komputer, vol. 9, no. 3, pp. 133–141, 2021.
S. Wang et al., “K-means clustering with incomplete data,” IEEE Access, vol. 7, pp. 69162–69171, 2019.
N. Saini, K. Sharma, P. K. Sarangi, G. Singh, and L. Rani, “Customer Segmentation using K-Means Clustering,” in 2022 10th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions)(ICRITO), 2022, pp. 1–5.
R. Adha, N. Nurhaliza, U. Sholeha, and M. Mustakim, “Perbandingan algoritma DBSCAN dan k-means clustering untuk pengelompokan kasus Covid-19 di dunia,” SITEKIN: Jurnal Sains, Teknologi Dan Industri, vol. 18, no. 2, pp. 206–211, 2021.
