Implementasi Algoritma Klasifikasi Naïvebayes Untuk Menentukan Kesulitan Soal Quiz Menggunakan Renpy

Abstract

Banyak game edukasi berjenis trivia dikembangkan dengan tujuan menguji kemampuan berfikir pemain. Namun, seringkali  pemain menghadapi kesulitan dalam menjawab pertanyaan yang diberikan, Salah satu faktornya disebabkan oleh pertanyaan yang tidak seimbang, terlalu sulit atau terlampau mudah. Sehingga rasa monoton dan ketidaksesuaian dengan kemampuan si pemain membuat pengalaman bermain menjadi kurang memuaskan. Peluang untuk menghasilkan pertanyaan yang sesuai dengan kemampuan pemain sebenarnya bisa diprediksi berdasarkan data dari pemain dengan suatu metode. Salah satu metode yang bisa digunakan untuk mengatasi masalah ini dengan menggunakan teknik dalam data mining yaitu klasifikasi naïve bayes. Algoritma naïve bayes digunakan untuk mengklasifikasikan tingkat kesulitan soal berdasarkan parameter yang dihasilkan oleh pemain yaitu kecepatan menjawab soal,jawaban benar atau salah dan berapakali pemain salah dalam menjawab soal yang didesain dalam bentuk healtbar. Sedangkan parameter untuk keputusan tingkat kesulitan soal adalah Mudah, Sedang, dan Sulit. Hasil pengujian naïve bayes dengan sepuluh orang pemain mampu memberikan tingkat kesulitan soal yang sesuai dengan akurasi tertinggi sebesar 92.85% dan akurasi terendah sebesar 35.29% Sedangkan rata-rata akurasi yang didapat 66.5%. secara keseluruhan rata-rata akurasi Naïve Bayes menunjukkan tingkat keberhasilan yang cukup baik dalam pengujian tersebut.