SISTEM REKOMENDASI GAME PADA PLATFORM STEAM DENGAN METODE CONTENT-BASED FILTERING

Steam merupakan layanan distribusi digital yang berfokus pada Video Game yang diluncurkan oleh Valve. Pada tahun 2024 sendiri, sebanyak 18829 game telah rilis pada Steam yang membuat Steam menjadi salah satu layanan distribusi digital game terbesar pada saat ini. Dengan banyaknya kombinasi genre dan tag game
dalam Steam membuat pencarian game yang sesuai dengan preferensi tidak efektif. Maka perlu dibuatnya sistem rekomendasi untuk Game pada platform Steam dengan metode content-based filtering berdasarkan genre dan tag. Dengan sistem ini diharapkan pengguna mendapatkan rekomendasi berdasarkan preferensi riwayat
game.

Dalam penelitian ini, metode yang digunakan yaitu content-based filtering dengan algoritma cosine similarity untuk menghasilkan rekomendasi game. Dengan metode ini, pengguna bisa mendapatkan rekomendasi game yang memiliki kemiripan berdasarkan game yang telah dimainkan. Cosine similarity dapat memberikan tingkat kesamaan antara dua vektor yang pada penelitian ini yaitu
vektor game yang dimiliki pengguna atau user profile dan vektor game yang belum dimiliki pengguna.

Hasil dari penelitian ini yaitu sistem rekomendasi dapat memberikan
rekomendasi game berdasarkan game yang dimiliki pengguna. Hasil pengujian blackbox menunjukkan fungsi yang ditentukan pada sistem rekomendasi sudah dapat berjalan sesuai dengan yang diharapkan. Perhitungan manual cosine similarity yang dilakukan dengan data sampel yang ditentukan menunjukkan kecocokan terhadap hasil rekomendasi pada sistem.