Model Prediksi Kemenangan Tim dalam Game League of Legend Menggunakan Algoritma Decision Tree
DOI:
https://doi.org/10.35143/jkt.v7i1.4516Kata Kunci:
prediksi, game, algoritma decision tree, RMSEAbstrak
Game online berkembang sangat pesat karena didukung dengan perkembangan ponsel cerdas yang semakin banyak digunakan. Game online banyak diminati oleh berbagai kalangan mulai dari anak-anak, remaja sampai orang dewasa pun senang bermain game online. Tujuan dalam penelitian ini untuk memprediksi kemenangan tim dalam game league of legend dengan menggunakan algoritma decision tree. Dalam penelitan ini dimana dataset yang diambil adalah 50.000 data, dibagi menjadi 80% tranning dan 20% testing. Hasil dari penelitan ini menunjukan Algoritma Decision Tree memiliki performa yang paling baik di antara algoritma lainnya untuk memprediksi kemenangan dengan hasil 96.42% accuracy, 97.74% recall Team 1, 95.06% recall Team 2, 95.31% precision Team 1, 97.62% precision Team 2 dan 0.157 RMSE untuk hasil independent sedangkan untuk hasil 10 fold cross validation memiliki hasil 96.24% accuracy, 97.34 % recall Team 1, 95.11% recall Team 2, 95.33% precision Team 1, 97.21% precision Team 2, dan 0.161 RMSE dalam mendeteksi kemenangan pada game League of Legend.Unduhan
Referensi
K. Media, "Perkembangan Teknologi Informasi dan Komunikasi di Indonesia Halaman all - Kompas.com", KOMPAS.com, 2021. [Online]. Available: https://www.kompas.com/skola/read/2020/12/21/164007469/perkembangan-teknologi-informasi-dan-komunikasi-di-indonesia?page=all.
"Melihat Tren Perkembangan Smartphone | merdeka.com", merdeka.com, 2021. [Online]. Available: https://www.merdeka.com/teknologi/melihat-tren-perkembangan-smartphone.html.
S. Aggarwal, S. Saluja, V. Gambhir, S. Gupta and S. Satia, "Predicting likelihood of psychological disorders in PlayerUnknown’s Battlegrounds (PUBG) players from Asian countries using supervised machine learning", Addictive Behaviors, vol. 101, p. 106132, 2020. Available: 10.1016/j.addbeh.2019.106132.
S. Demediuk et al., "Player retention in league of legends", Proceedings of the Australasian Computer Science Week Multiconference, 2018. Available: 10.1145/3167918.3167937.
X. Zhang, Y. Yue, X. Gu, B. Niu and Y. Feng, "Investigating the Impact of Champion Features and Player Information on Champion Usage in League of Legends", Proceedings of the 2017 International Conference on Information Technology - ICIT 2017, 2017. Available: 10.1145/3176653.3176730.
X. Sheng and D. Thuente, "Using Decision Trees for State Evaluation in General Game Playing", KI - Künstliche Intelligenz, vol. 25, no. 1, pp. 53-56, 2011. Available: 10.1007/s13218-010-0079-2.
A.C.Putro, "SISTEM PREDIKSI KEMENANGAN TIM PADA GAME MOBILE LEGENDS DENGAN METODE NAIVE BAYES," Teknik Informatika, vol. 1, p. 11, 2018.
G. R. E.Santoso, "Pembuatan Game dengan Menerapkan Metode Decision Tree: UCB1, untuk Menentukan Pemilihan Strategy dalam AI.," Jurnal Infra, vol. 1, p. 7, 2017.
G. A. Sandag, N. E. Tedry and S. Lolong, "Classification of Lower Back Pain Using K-Nearest Neighbor Algorithm," 2018 6th International Conference on Cyber and IT Service Management (CITSM), Parapat, Indonesia, 2018, pp. 1-5, doi: 10.1109/CITSM.2018.8674361.
U. Arni, "Pengertian dan Penerapan Decision Tree," garudacyber.co.id, 15 January 2020. [Online]. Available: https://garudacyber.co.id/artikel/1545-pengertian-dan-penerapan-decision-tree. [Accessed 19 November 2019].
G. A. Sandag, F. Gara and Irfan, "Android Application Market Prediction Based on User Ratings Using KNN," 2020 2nd International Conference on Cybernetics and Intelligent System (ICORIS), Manado, Indonesia, 2020, pp. 1-5, doi: 10.1109/ICORIS50180.2020.9320812.
A. T. Liem, G. A. Sandag, I-S. Hwang, and A. Nikoukar, "Delay Analysis of Dynamic Bandwidth Allocation for Triple-Play-Services in EPON," p. 6, 2017.
G. Sandag, J. Leopold and V. Ong, "Klasifikasi Malicious Websites Menggunakan Algoritma K-NN Berdasarkan Application Layers dan Network Characteristics", CogITo Smart Journal, vol. 4, no. 1, p. 37, 2018. Available: 10.31154/cogito.v4i1.100.37-45.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2021 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
