Keywords
Clustering, K-MEANS, Prestasi Akademik, Game Online, Korelasi
Document Type
Article
Abstract
Game online tidak hanya memberikan hiburan tetapi juga memberikan tantangan yang menarik untuk diselesaikan sehingga individu bermain game online tanpa memperhitungkan waktu demi mencapai kepuasan. Salah satu metode yang dapat digunakan untuk mengelompokkan tingkat kecanduan game online adalah metode K-Means Clustering. K-Means Clustering merupakan salah satu metode data clustering non hirarki yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih cluster/kelompok.Penelitian ini mengambil data sample kuesioner dari mahasiswa di Universitas Ibn Khaldun Bogor dimana isian kuesioner akan diolah sebagai acuan pengelompokkan tingkat kecanduan game online.Hasil clusteringdigunakan untuk mengetahui hubungannya antara tingkat kecanduan game online terhadap prestasi akademik mahasiswa. K-Means Clustering memiliki berbagai keunggulan diantaranya sederhana untuk dipahami, mudah untuk diterapkan, membutuhkan sedikit pengetahuan, mampu menangani data numerik dan kategorikal, tangguh, dan dapat menangani dataset yang besar. Nilai korelasi yang dihasilkan sebesar -0,885yang berarti bahwa adanya korelasi antara tingkat kecanduan game online terhadap prestasi akademik mahasiswa di Universitas Ibn Khaldun Bogor
First Page
138
Last Page
148
Page Range
138-148
Issue
2
Volume
2
Digital Object Identifier (DOI)
10.21831/elinvo.v2i2.17307
Source
https://journal.uny.ac.id/index.php/elinvo/article/view/17307
Recommended Citation
Y. Prastyo, "PEMBAGIAN TINGKAT KECANDUAN GAME ONLINE MENGGUNAKAN K-MEANS CLUSTERING SERTA KORELASINYA TERHADAP PRESTASI AKADEMIK,", vol. 2, no. 2, pp. 138 - 148, Dec 2017.
The definitive version is available at https://doi.org/10.21831/elinvo.v2i2.17307
References
Hastuti, N.F. 2013. Pemanfaatan metode k-means clustering dalam penentuan penerima beasiswa, Surakarta.
Kristanto, N.H., A. C. L.A &H. B. S. 2016. ―Implemantasi K-Means Clusteringuntuk Pengelompokan Analisis Rasio Profitabilitas dalam Working Capital,‖ JUISI, vol. 02, no. 1, Februari 2016.
Lemmens, J.S., Valkenburg, P. M. & Peter, J. 2009. Development and Validation of a Game Addiction Scale. Media Psychology, pp. 77-95.
Nugroho, C. A., Hendrawan, R. A. & I. Hafidz. 2012. Clustering kelompok swadaya masyarakat (KSM) dalam menentukan kebijakan bantuan badan pemberdayaan masyrakat di kota Surabaya dengan menggunakan metode self-organizing map (SOM) dan K-MEANS,‖ JURNAL TEKNIK POMITS, pp. 1-6, 2012.
Pratiwi, P.C., Andayani, T.R., & Karyanta, N.A. 2012. Perilaku Adiksi Game-online Ditinjau dari Efikasi Diri Akademik dan Keterampilan Sosial pada Remaja di Surakarta. Jurnal Ilmiah Psikologi Candrajiwa, vol. 1, p. 1.
Ridwan, M., Suryono, H., & Sarosa, M. 2013. Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Jurnal EECCIS, vol. Vol 7, no. 1, Juni 2013.
Singh, A., Yadav, A. & Rana,A. 2013. K-means with Three different Distance Metrics. International Journal of Computer Applications (0975 –8887), vol. 67, no. 10, April 2013.
Weinstein, A.M. 2010. ―Computer &Video Game Addiction—A Comparison between Game Users and Non-Game Users. The American Journal of Drug and Alcohol Abuse, vol. 36, p. 268–276