Perancangan aplikasi ensiklopedia games PC rekomendasi dengan metode SAW berbasis mobile android

  • Renaldi Fauzi Adnan Universitas Teknologi Yogyakarta, Indonesia
  • Ikrimach Universitas Teknologi Yogyakarta, Indonesia
Keywords: Ensiklopedia, Simple Additive Weighting (SAW), Rekomendasi Sistem, Aplikasi, Mobile

Abstract

Di era modern saat ini, memiliki akses ke informasi yang akurat dan komprehensif sangat penting, terutama bagi gamer yang ingin meningkatkan pengalaman bermain mereka. Proses manual ini sering kali membingungkan dan berpotensi menyebabkan kesalahan, terutama bagi pengguna yang kurang familiar dengan teknologi (gaptek). Dengan aplikasi mobile yang dirancang, pengguna hanya perlu menginputkan spesifikasi PC mereka dan memilih game yang ingin dicocokkan. Dengan ini memperkenalkan aplikasi seluler yang dirancang untuk bertindak sebagai ensiklopedia untuk gamer, menawarkan informasi rinci, akurat, dan cepat tentang berbagai permainan. Karena berbagai spesifikasi PC, tidak semua game berjalan dengan baik di setiap sistem. Aplikasi ini mengatasi masalah ini dengan merekomendasikan game yang dapat dimainkan dengan nyaman pada pengaturan PC tertentu pengguna. Mengingat biaya tinggi dari game asli, sangat penting bagi gamer untuk mengetahui terlebih dahulu apakah sebuah game kompatibel dengan PC mereka. Selain itu, aplikasi ini dikembangkan menggunakan bahasa pemrograman Kotlin dan menggunakan MySQL sebagai database, memastikan kinerja yang kuat dan manajemen data yang dapat diandalkan. Aplikasi ini menggunakan metode Simple Additive Weighting (SAW) untuk memberikan rekomendasi permainan yang cepat dan akurat berdasarkan spesifikasi PC individu. Dirancang untuk user-friendly dan menarik, aplikasi ini memastikan bahwa gamer dapat dengan mudah memahami dan menggunakan sistem matching PC-game untuk membuat keputusan yang tepat tentang pembelian game mereka. Untuk membuktikan efektivitas aplikasi ini, telah dilakukan penelitian yang menunjukkan bahwa aplikasi ini mampu memberikan rekomendasi yang akurat berdasarkan spesifikasi hardware PC pengguna. Hasil penelitian menunjukkan bahwa aplikasi ini dapat menampilkan rekomendasi dengan tingkat akurasi hingga 85%.

Published
2024-06-30