Perpustakaan Digital ITB

Industri video game yang dahulu dikenal dengan penjualan satu kali untuk judul-judul unggulan kini telah beralih ke model pendapatan berkelanjutan, di mana microtransaction (kosmetik dalam permainan, mata uang virtual, loot box, dan battle pass) menyumbang porsi signifikan dari pendapatan global industri game. Namun, penggunaan AI dalam monetisasi ini melalui analisis perilaku pemain untuk menawarkan penawaran yang dipersonalisasi semakin umum digunakan, sementara kaitannya dengan pembelian impulsif (impulse purchasing) — istilah yang digunakan untuk pembelian tidak terencana yang dipicu oleh faktor eksternal — masih kurang dipahami dalam konteks video game. Penelitian ini menyelidiki pengaruh personalisasi terhadap keputusan pembelian impulsif dalam microtransaction video game, dengan variabel kontrol berupa frekuensi bermain, keterlibatan bermain (gaming engagement), dan pendapatan sisa (disposable income). Penelitian ini menggunakan desain kuantitatif, korelasional, dan prediktif. Data primer dikumpulkan melalui survei daring terstruktur, menggunakan purposive sampling terhadap pemain reguler dari game yang memiliki fitur microtransaction (n = 105 data terkumpul; n = 90 data dipertahankan setelah penyaringan berdasarkan riwayat pembelian, konsistensi internal, dan kelengkapan data). Skor komposit yang diperoleh dari item Likert lima poin digunakan untuk mengukur AI recommendation exposure, keterlibatan bermain, dan pembelian impulsif; korelasi Pearson dan regresi linier berganda digunakan untuk menguji hubungan antarvariabel. Skala AI Recommendation Exposure menunjukkan konsistensi internal yang rendah (? = 0,349), sebuah keterbatasan yang dibahas lebih lanjut pada Bab I. Hasil penelitian menunjukkan bahwa AI recommendation exposure memiliki pengaruh positif yang signifikan terhadap perilaku pembelian impulsif (r = 0,431, p < 0,001) dan terhadap total pengeluaran bulanan (r = 0,322, p = 0,002). Keterlibatan bermain (r = 0,289, p = 0,006) dan pendapatan sisa (r = 0,345, p < 0,001) juga secara signifikan memengaruhi pembelian impulsif, sementara frekuensi bermain tidak menunjukkan pengaruh signifikan (r = 0,142, p = 0,181). Keempat prediktor dimasukkan ke dalam dua model regresi linier berganda. Model 1 (pembelian impulsif) signifikan, F(4,85) = 10,48, p < 0,001, R² = 0,330, dengan AI exposure (? = 0,417, p < 0,001), keterlibatan bermain (? = 0,243, p = 0,028), dan pendapatan (? = 0,281, p = 0,005) sebagai prediktor individual yang signifikan. Model 2 (total pengeluaran bulanan) juga signifikan, F(4,85) = 12,65, p < 0,001, R² = 0,373, dengan AI exposure (? = 0,296, p < 0,001) dan pendapatan (? = 0,396, p < 0,001) sebagai prediktor individual yang signifikan; frekuensi bermain tidak secara signifikan memprediksi kedua variabel dependen. Hasil penelitian mengindikasikan bahwa personalisasi berbasis AI berperan sebagai pemicu pembelian tidak terencana yang berdiri sendiri dan independen dalam microtransaction video game, terlepas dari seberapa sering atau seberapa dalam seseorang bermain. Efek ini dibahas dalam kaitannya dengan genre permainan: game yang tidak menyediakan jalur progresi atau imbalan kosmetik berbasis keterampilan secara gratis (misalnya, judul bergenre gacha dan progression-purchase) berpotensi lebih rentan terhadap dinamika ini, meskipun genre tidak diuji secara langsung dalam penelitian ini. Temuan ini menunjukkan bahwa desain sistem personalisasi AI — bukan sekadar keberadaan mekanisme berbasis peluang seperti loot box — layak mendapat perhatian lebih besar, baik dari pengembang game maupun peneliti perlindungan konsumen. Kata kunci: personalisasi AI, pembelian impulsif, microtransaction, video game, sistem rekomendasi, perilaku konsumen