Klasifikasi Multilabel pada Teks Effect Kartu Monster Permainan Kartu Yu-Gi-Oh!
Abstract
Abstrak —Yu-Gi-Oh! Trading Card Game adalah sebuah
permainan kartu dimana pemain membangun deck, menyusun
strategi dan menghubungkan kemampuan atau effect suatu
kartu dengan kemampuan kartu lainnya. Saat ini terdapat lebih
dari 10000 kartu berbeda dengan effect berbeda sehingga dapat
menyulitkan untuk mencari kartu dengan effect tertentu yang
cocok dengan strategi yang ingin dilakukan. Terdapat aplikasi
resmi yang dapat mencari kartu, termasuk dengan cara
mencari kemampuan dari kartu tersebut. Namun, aplikasi
tersebut memiliki kekurangan pada mesin pencariannya yang
sangat sederhana dan dapat menghasilkan false positive. Dalam
penelitian ini dibangun klasifier multilabel yang dapat
mengklasifikasikan effect kartu untuk membantu pencarian
kartu, dan juga menentukan praproses yang tepat untuk
klasifikasi ini. Dilakukan pendekatan transformasi problem
dimana klasifikasi multilabel dipecah menjadi 6 klasifikasi
biner sesuai banyaknya label. Lalu, prediksi klasifikasi biner
tersebut digabungkan menjadi prediksi klasifikasi multilabel.
Klasifikasi dengan menggunakan praproses penghapusan stop
word menghasilkan micro average f1-score terbaik dengan nilai
0.54. Walaupun begitu, nilai ini kurang baik dan menunjukkan
bahwa klasifier belum dapat melabeli data dengan baik,
sehingga klasifier yang dibangun belum dapat membantu
pemain mencari kartu dengan kelas effect yang sesuai
harapan.1
Kata kunci— klasifikasi, multilabel, stemming, penghapusan
stop word, yu-gi-oh
References
Turkay, Selen, Sonam Adinolf, and Devayani Tirthali."Collectible card games as learning tools." Procedia-Social
and Behavioral Sciences 46 (2012): 3701-3705.
J.J. Miller. Scrye Collectible Card Game Checklist & Price Guide. Krause Publications, 2003.
K. Morrisy. "Yu-Gi-Oh! Card Game Now Has Over 10,000 Unique Cards". Internet:www.animenewsnetwork.com/interest/2019-10-18/yu-gi-oh-card-game-now-has-over-10000-uniquecards/.152351, Oct. 18, 2019 [Mar. 13, 2023].
K. Tewart. "Problem-Solving Card Text, Part 1: Readingthe Cards of Tomorrow". Internet:/yugiohblog.konami.com/articles/?p=2906, [Mar. 13,2023].
"Generation Force". Internet: http://www.yugiohcard.com/en/products/bp-genf.html, Jun. 3, 2011 [Mar. 13,2023].
"Yu-Gi-Oh! Card Database". Internet: www.db.yugiohcard.com/yugiohdb/?request_locale=en [Mar. 13, 2023].
"Yu-Gi-Oh! Neuron". Internet: www.konami.com/games/eu/en/products/yugioh_neuron [Mar. 13, 2023].
"Adreus, Keeper of Armageddon | Card Details | Yu-GiOh! TRADING CARD GAME - CARD DATABASE".
Internet:www.db.yugiohcard.com/yugiohdb/card_search.action?ope=2&cid=984 [Aug. 31, 2023].
"Alien Ammonite | Card Details | Yu-Gi-Oh! TRADING CARD GAME - CARD DATABASE". Internet: www.db.yugioh-card.com/yugiohdb/card_search.action?ope=2&cid=8034
[Aug. 31, 2023].
Tsoumakas, Grigorios, and Ioannis Katakis. "Multilabel classification: An overview." International Journal of Data Warehousing and Mining (IJDWM) 3.3 (2007): 1-13.
Li, Tao, and Mitsunori Ogihara. "Detecting emotion in music." (2003).
Boutell, Matthew R., et al. "Learning multi-label scene
classification." Pattern recognition 37.9 (2004): 1757-1771.
Farisi, Arif Abdurrahman, Yuliant Sibaroni, and Said Al Faraby. "Sentiment analysis on hotel reviews using
Multinomial Naive Bayes classifier." Journal of Physics: Conference Series. Vol. 1192. No. 1. IOP Publishing, 2019.
Hossain, Eftekhar, Omar Sharif, and Mohammed Moshiul Hoque. "Sentiment polarity detection on bengali
book reviews using multinomial naive bayes." Progress in Advanced Computing and Intelligent Engineering:
Proceedings of ICACIE 2020. Singapore: Springer Singapore, 2021. 281-292.
"Yu-Gi-Oh! API by YGOPRODeck". Internet:://ygoprodeck.com/api-guide [Mar. 13, 2023].
Qaiser, Shahzad, and Ramsha Ali. "Text mining: use of
TF-IDF to examine the relevance of words to documents." International Journal of Computer Applications 181.1 (2018): 25-29.
Grootendorst, Maarten. "BERTopic: Neural topic modeling with a class-based TF-IDF procedure." arXiv
preprint arXiv:2203.05794 (2022).
Zhang, Haiyi, and Di Li. "Naive Bayes text classifier."
IEEE International Conference on Granular Computing (GRC 2007). IEEE, 2007.
Yun-tao, Zhang, Gong Ling, and Wang Yong-cheng. "An improved TF-IDF approach for text classification."
Journal of Zhejiang University-Science A 6 (2005): 49-55.
