Rekomendasi pemilihan motor pada game "blar rising" menggunakan metode topsis berbasis bonferroni mea

INDONESIA:

Dalam penelitian ini menghadirkan sistem rekomendasi pada menu motor selection dalam game ýang dirancang “Blar Rising”. Fitur rekomendasi ini menggantikan fitur randomize yang kebanyakan digunakan dalam game untuk memberi saran item pilihan pada player untuk digunakan bermain. Namun, pada dasarnya fitur randomize ini hanya mengacak indeks pilihan item sedangkan untuk fitur rekomendasi ini memperhitungkan nilai tiap kriteria yang dimiliki masing-masing pilihan dalam hal ini motor. Penentuan bobot dilakukan menggunakan metode Rank Order Centroid (ROC), yang mempertimbangkan tingkat pentingnya kriteria tersebut. Oleh karena itu, dalam game ini terdapat pemilihan track atau medan yang digunakan untuk membedakan tingkat kepentingan dalam penentuan bobot. Dalam implementasinya, proses perhitungan rekomendasi pemilihan motor menggunakan metode Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) yang berbasis Bonferroni mean (BM) sebagai operator agregat digunakan untuk menggeneralisasi metode TOPSIS. Setelah dilakukan pada 30 alternatif motor, perhitungan menggunakan metode TOPSIS-BM menghasilkan nilai yang similar tiap alternatifnya. Dengan generalisasi menggunakan Bonferroni mean menjadikan hasil lebih stabil ketika data kriteria memiliki nilai yang ekstrem. Selain itu, dilakukan pengujian usability berdasarkan 5 aspek hingga menghasilkan nilai rata-rata keseluruhan 3.43, dengan rincian learnability (kemudahan) 2.95, efficiency (efisiensi) 3.87, memorability (kemudahan mengingat) 3.67, error (kesalahan) 3.20, dan satisfaction (kepuasan) 3.45. Ini menunjukkan penerimaan usability yang cukup baik oleh player untuk fitur rekomendasi.

ENGLISH:

This study presents a recommendation system in the motor selection menu of the game "Blar Rising". This recommendation feature replaces the randomize feature commonly used in games to provide players with suggested items for gameplay. However, the randomize feature simply randomizes the index of item choices, while the recommendation feature takes into account the value of each criterion for each option, in this case, the motor. The weighting is determined using the Rank Order Centroid (ROC) method, which considers the importance of each criterion. Therefore, in this game, there is a selection of tracks or terrains used to differentiate the level of importance in determining the weights. In its implementation, the calculation process for motor selection recommendations uses the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) method, based on the Bonferroni mean (BM) as an aggregate operator used to generalize the TOPSIS method. After conducting the calculations on 30 alternative motors, the TOPSIS-BM method yields similar values for each alternative. By generalizing using the Bonferroni mean, the results become more stable when the data criteria have extreme values. Additionally, usability testing was conducted based on 5 aspects, resulting in an overall average value of 3.43, with the breakdown as follows: learnability (2.95), efficiency (3.87), memorability (3.67), error (3.20), and satisfaction (3.45). This indicates a reasonably good acceptance of usability by players for the recommendation feature.

ARABIC:

في هذه الدراسة، يتم تقديم نظام توصيات في قائمة اختيار المحركات في لعبة "Blar Rising". تعوض ميزة التوصيات هذه ميزة العشوائية التي تستخدم بشكل شائع في الألعاب لتوفير اقتراحات عناصر لاعب للاستخدام في اللعب. ومع ذلك، تقوم ميزة العشوائية في الأساس بتعشيق فهرس الخيارات المحددة، بينما تأخذ ميزة التوصيات في الاعتبار قيمة كل معيار لكل خيار في هذه الحالة المحرك. يتم تحديد الأوزان باستخدام طريقة ترتيب مركز الأوامر (ROC) التي تأخذ في الاعتبار مستوى أهمية هذه المعايير. لذلك، في هذه اللعبة يتوفر اختيار المسارات أو البيئات المستخدمة للتمييز بين مستوى الأهمية في تحديد الأوزان. في التنفيذ، يتم استخدام طريقة Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) المعتمدة على متوسط بونفيرني (BM) كمشغل تجميع لتعميم طريقة TOPSIS في عملية حساب التوصيات لاختيار المحركات. بعد إجراء الحسابات على 30 بديلًا للمحركات، تعطي طريقة TOPSIS-BM قيمًا متشابهة لكل بديل. من خلال التعميم باستخدام متوسط بونفيرني، يصبح النتائج أكثر استقرارًا عندما يكون للمعايير قيم متطرفة. بالإضافة إلى ذلك، تم إجراء اختبارات لقابلية الاستخدام استنادًا إلى 5 جوانب، مما أدى إلى الحصول على قيمة متوسطة عامة تبلغ 3.43، مع التفصيلات التالية: سهولة التعلم (2.95)، الكفاءة (3.87)، سهولة التذكر (3.67)، الأخطاء (3.20)، والرضا (3.45). هذا يشير إلى قبول جيد بما فيه الكفاية لقابلية الاستخدام من قبل اللاعبين لميزة التوصيات