KLASIFIKASI ROLE PEMAIN DAN REKOMENDASI SUSUNAN HERO PADA GAME MOBILE LEGENDS: BANG BANG (MLBB) MENGGUNAKAN ALGORITMA RANDOM FOREST CLASSIFIER DENGAN PENDEKATAN CRISP-DM (CROSS-INDUSTRY STANDARD PROCESS FOR DATA MINING)

ABSTRAKSI :

Mobile Legends: Bang Bang (MLBB), yang dirilis oleh Moonton pada tahun 2016, adalah sebuah game MOBA (Multiplayer Online Battle Arena) yang melibatkan pertarungan strategis antara dua tim yang masing-masing terdiri dari lima pemain. Setiap pemain dalam game ini mengendalikan sebuah hero dengan kemampuan unik dan spesifik yang biasanya dikelompokkan dalam lima role utama, yaitu explane, goldlane, jungler, midlane, dan roamer, di mana setiap role memiliki fungsi dan peran berbeda dalam strategi tim. Klasifikasi role yang tepat dan pemilihan hero yang sesuai dengan role tersebut sangat krusial untuk meraih kemenangan, karena dapat mempengaruhi sinergi tim dan efektivitas dalam pertandingan. Penelitian ini bertujuan untuk mengimplementasikan algoritma machine learning (ML), yaitu Random Forest Classifier, untuk menganalisis data permainan dan mengklasifikasikan role pemain dengan akurasi tinggi. Selain itu, penelitian ini juga bertujuan untuk memberikan rekomendasi susunan hero yang optimal berdasarkan data yang dikumpulkan, guna meningkatkan strategi dan performa tim dalam pertandingan. Data yang digunakan dalam penelitian ini diambil dari website dan chanel YouTube resmi Mobile Legends Professional League (MPL) Indonesia pada pertandingan Season 13 Playoff Stage, yang menyediakan informasi terperinci tentang strategi dan performa tim selama pertandingan. Data tersebut diproses menggunakan metode CRISP-DM (Cross-Industry Standard Process for Data Mining), yang mencakup enam tahap, diantaranya business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Hasil penelitian menunjukkan bahwa model yang dikembangkan memiliki akurasi sebesar 91%, menunjukkan keandalan yang sangat tinggi dalam mengklasifikasikan role pemain berdasarkan data pertandingan. Selain itu, penelitian ini juga berhasil menghasilkan rekomendasi susunan hero yang dapat dioptimalkan untuk pertandingan selanjutnya, memberikan wawasan strategis yang berbasis data untuk meningkatkan performa tim di masa depan.

NOMOR INDUK :

FILKOM/KA/SKRIPSI/6227/2024

PEMBIMBING :

Yuli Maharetta Arianti

TANGGAL SIDANG :

30/08/2024

TANGGAL PENYERAHAN :

21/10/2024

JENIS PENULISAN :

SKRIPSI

BERKAS PENULISAN

COVER PENULISAN
PARAF & STEMPEL LEMBAR PENGESAHAN
ABSTRAKSI (BAHASA INDONESIA)
ABSTRAKSI (BAHASA INGGRIS)
KATA PENGANTAR
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
BAB I
BAB II
BAB III
BAB IV
BAB V
DAFTAR PUSTAKA
DOKUMEN PRESENTASI SIDANG
PERNYATAAN ORIGINALITAS & PUBLIKASI
JURNAL
JURNAL WORD (.doc/.docx)