Dari Push Rank Mobile Legends hingga Jurnal SINTA, Mahasiswa UBSI Kampus Pontianak Olah Game Jadi Riset Machine Learning

By Lady Agustine On Jan 6, 2026

BSINews, Pontianak — Siapa bilang main game hanya sekadar hobi dan membuang waktu? Bagi sebagian orang, Mobile Legends mungkin hanya soal push rank dan adu strategi di Land of Dawn. Namun bagi mahasiswa Program Studi Informatika, Universitas Bina Sarana Informatika (UBSI) Kampus Pontianak, game populer ini justru menjadi pintu masuk menuju penelitian berbasis machine learning yang berhasil terbit di jurnal terakreditasi SINTA.

Penelitian tersebut digarap oleh tiga mahasiswa Informatika, Hikmawan Alvin Zikirlah, Iltavera Paula, dan Muhammad Fazilla, di bawah bimbingan dosen Lady Agustin Fitriana. Berangkat dari fenomena masifnya pengguna Mobile Legends di Indonesia, mereka melihat ribuan komentar pemain di Google Play Store bukan sekadar curhat atau keluhan, melainkan data berharga yang bisa diolah secara ilmiah.

Mobile Legends sebagai Sumber Data Penelitian

Alvin menjelaskan bahwa Mobile Legends merupakan game populer yang memiliki jutaan pengguna aktif. Banyaknya ulasan pemain di platform digital menjadi sumber data penting untuk dianalisis menggunakan pendekatan text mining dan natural language processing (NLP).

“Melalui analisis sentimen, opini pengguna dapat diklasifikasikan ke dalam kategori positif, negatif, dan netral, sehingga memberikan gambaran nyata terkait kepuasan dan persepsi pemain terhadap kualitas game,” jelas Alvin dalam keterangan pers, Selasa (6/1).

Ia menambahkan, penelitian ini membandingkan tiga algoritma klasifikasi machine learning, yaitu Support Vector Machine (SVM), Naïve Bayes Classifier (NBC), dan K-Nearest Neighbor (KNN). Sebanyak 5.000 ulasan Mobile Legends dikumpulkan melalui teknik web scraping, lalu diproses menggunakan tahapan Knowledge Discovery in Databases (KDD), mulai dari cleaning, case folding, tokenization, normalization, hingga stopword removal.

“Hasilnya, algoritma SVM menunjukkan performa paling unggul dengan tingkat akurasi mencapai 88,1 persen. Sementara itu, KNN mencatat akurasi sebesar 65,1 persen dan Naïve Bayes sebesar 62,6 persen. Temuan ini menegaskan bahwa SVM menjadi algoritma paling efektif dalam menganalisis sentimen ulasan pengguna Mobile Legends,” imbuhnya.

Dari Push Rank ke Analisis Machine Learning

Alvin mengungkapkan bahwa ide penelitian ini berangkat dari aktivitas yang selama ini dianggap hanya hiburan semata.

“Awalnya kami memang sering push rank. Tapi dari situ kami sadar, komentar pemain itu banyak banget dan bisa diolah jadi data. Dari game yang sering dimainkan, ternyata bisa lahir penelitian yang serius,” ujar Alvin.

Apresiasi turut disampaikan Kaprodi Informatika UBSI Kampus Pontianak, Lisnawanty. Ia menilai keberhasilan mahasiswa menembus jurnal terakreditasi SINTA menunjukkan bahwa pembelajaran yang adaptif dan kontekstual mampu mendorong capaian akademik yang membanggakan.

“Penelitian ini membuktikan bahwa mahasiswa Informatika tidak hanya paham teori, tetapi juga mampu mengaitkan teknologi dengan fenomena digital di sekitar mereka. Ini sejalan dengan semangat pembelajaran berbasis praktik dan riset yakni blended learning,” ujarnya.

Melalui penelitian ini, mahasiswa UBSI Kampus Pontianak berhasil mengubah aktivitas push rank menjadi prestasi akademik. Game tidak lagi sekadar hiburan, tetapi juga jembatan menuju riset berbasis data dan teknologi. Dari layar ponsel hingga jurnal ilmiah, semua berawal dari keberanian melihat peluang di balik sebuah permainan.