KLASTERISASI KARAKTERISTIK GAME STEAM MENGGUNAKAN METODE K-MEANS

STUDI KASUS: RILISAN GAME TAHUN 2024

Abstract

Pertumbuhan yang luar biasa dari industri game digital di platform seperti Steam telah menghasilkan tumpukan data yang sangat besar yang memerlukan analisis mendalam. Namun, memahami elemen-elemen yang membuat sebuah game meraih sukses adalah tantangan tersendiri karena hal ini tidak bisa diukur hanya melalui angka penjualan semata. Oleh sebab itu, penelitian ini bertujuan untuk menerapkan algoritma pengelompokan K-Means guna mengkategorikan game Steam yang dirilis pada tahun 2024. Metodologi penelitian mencakup langkah-langkah pra-pemrosesan data, penentuan jumlah klaster yang optimal dengan menggunakan Elbow Method yang mengarah pada nilai k=3, serta penerapan algoritma K-Means untuk segmentasi berdasarkan berbagai metrik seperti pendapatan, durasi bermain, dan skor ulasan publik. Hasil dari analisis ini berhasil mengidentifikasi tiga kelompok game yang memiliki karakteristik yang berbeda secara signifikan. Game yang berhasil secara komersial sekaligus mendapatkan pujian kritis, game berkualitas tinggi yang sangat dihargai oleh komunitas, dan game yang menyasar pasar tertentu atau kurang meraih sukses. Temuan ini menunjukkan bahwa pendekatan K-Means sangat efektif dalam menyingkap struktur dan pola yang tersembunyi dalam industri game digital.