IMPLEMENTASI METODE RANDOM FOREST PADA KLASIFIKASI GAYA KEPEMIMPINAN DALAM SERIOUS GAME THE ARCHITECT: REBIRTH OF SERAYA

Abstract

Permainan video bergenre simulasi tata kota memiliki potensi edukasi manajerial yang tinggi, namun seringkali memberikan umpan balik yang kaku akibat ketiadaan sistem pemodelan pemain cerdas yang mampu mengenali ideologi pengambilan keputusan penggunanya. Penelitian ini bertujuan untuk mengimplementasikan kecerdasan buatan guna mengklasifikasikan gaya kepemimpinan pemain secara waktu nyata (real-time) dalam serious game "The Architect: Rebirth of Seraya". Pengembangan sistem berpedoman pada metodologi Game Development Life Cycle (GDLC) menggunakan perangkat lunak Godot Engine 4.x berbasis C#. Model pemodelan dibangun menggunakan algoritma Random Forest yang mengekstraksi data telemetri kota secara berkala ke dalam lima pohon keputusan independen, kemudian diproses melalui mekanisme Weighted Majority Voting dan Penalty Logic. Evaluasi keandalan diukur menggunakan Confusion Matrix untuk validasi komputasi klasifikasi, serta Game Experience Questionnaire (GEQ) kepada 50 responden untuk analisis pengalaman pengguna. Hasil pengujian menunjukkan bahwa algoritma Random Forest berhasil mencetak tingkat akurasi komputasi sebesar 93,3%, sementara evaluasi pengalaman pengguna memperoleh nilai rata-rata 4,14 dari skala 5,00 yang tergolong "Baik". Kesimpulannya, pemrosesan algoritma Random Forest terbukti sangat presisi dan berhasil mentransformasi simulasi tata kelola perkotaan menjadi pengalaman edukasi interaktif yang adaptif.