Sistem Prediksi Kemenangan Hero Mobile Legends Menggunakan Metode Naive Bayes

Vicci Rachmat Alfin Hidayat

Abstract


Mobile Legends Bang-Bang adalah game MOBA (Multiplayer Online Battle Arena) dengan tema pertarungan antar dua tim yang setiap tim terdiri dari lima pemain dan melibatkan penggunaan tokoh hero. Mobile Legends masuk sebagai salah satu kompetisi dalam dunia e-sports yang paling diminati sehingga sering diadakan turnamen Mobile Legends baik antar tim dalam negeri atau luar negeri. Fenomena tersebut menjadikan berbagai tim mengatur strategi dalam memenangkan pertandingan dimana salah satunya dalam bentuk pemilihan hero atau draft pick hero. Setiap hero memiliki kekuatan dan kelemahan yang bervariasi, sehingga diperlukan kombinasi hero yang sesuai dalam satu tim salah satunya dalam bentuk sistem prediksi kemenangan. Perhitungan peluang kemenangan dalam penelitian ini dilakukan dengan memanfaatkan nilai probabilitas suatu hero. Nilai probabilitas hero ini didapatkan dari penggunaan metode naïve bayes karena implementasinya yang mudah dan dapat bekerja dalam dataset yang relatif sedikit. Penelitian ini menghasilkan sistem prediksi kemenangan dengan akurasi sebesar 80% prediksi benar dari 50 pertandingan yang diujikan.


Keywords


hero; mobile legends; naive bayes; prediksi kemenangan

References


A. Ahmad, M. E. Prasetyo, and S. I. Linando, “Analisis Visual Karakter Hero Dengan Skin Legend Pada ‘Mobile Legends:Bang Bang,’” J. Muara Ilmu Sos. Humaniora, dan Seni, vol. 6, no. 1, p. 60, 2022, doi: 10.24912/jmishumsen.v6i1.12936.2022.

M. H. Widianto, “Nuansa Game MOBA,” Binus.ac.id, 2019. https://binus.ac.id/bandung/2019/12/nuansa-game-moba/ (accessed Jul. 09, 2023).

R. T. Kishimoto, Y. T. Prasetyo, S. F. Persada, and A. A. N. Perwira Redi, “Filipino generation z on mobile legends during covid-19: A determination of playtime and satisfaction,” Int. J. Inf. Educ. Technol., vol. 11, no. 8, pp. 381–386, 2021, doi: 10.18178/ijiet.2021.11.8.1538.

L. E. Devila, S. R. Cholil, R. D. Athallah, and A. A. Irawan, “Implementasi Algoritma K-Means untuk Menganalisa Pemain Video Game Mobile Legend untuk Mengetahui Tipe Hero dan Role yang Sering Digunakan pada Setiap Kalangan,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, no. 3, p. 261, 2022, doi: 10.30998/string.v6i3.11094.

A. B. I. Putra, J. E. Bata, Z. A. Da Costa, and F. Marisa, Model Prediksi Tingkat Kesulitan Hero Mobile Legend Berbasis Algoritma C4.5, 2023rd ed. Malang: Litrus, 2023.

K. Akhmedov and A. H. Phan, “Machine learning models for DOTA 2 outcomes prediction,” pp. 1–11, 2021, [Online]. Available: http://arxiv.org/abs/2106.01782.

K. U. Birant and D. Birant, “Multi-Objective Multi-Instance Learning: A New Approach to Machine Learning for eSports,” Entropy, vol. 25, no. 1, 2023, doi: 10.3390/e25010028.

W. S. N. Hidayat, “ANALISIS TURNAMEN THE INTERNASIONAL DOTA 2 DAN WIN PREDICTION MENGGUNAKAN RANDOM,” UIN Syarif Hidayatullah Jakarta, 2022.

A. S. Chan, F. Fachrizal, and A. R. Lubis, “Outcome Prediction Using Naïve Bayes Algorithm in the Selection of Role Hero Mobile Legend,” J. Phys. Conf. Ser., vol. 1566, no. 1, 2020, doi: 10.1088/1742-6596/1566/1/012041.

A. P. Dharmais and R. N. Rubiyanti, “Pengaruh Motivasi Hedonis Terhadap Minat untuk Membeli Hero dan Skin pada Game Mobile Legend,” e-proceeding Manag., vol. 6, no. 3, pp. 6215–6222, 2019.

Z. Gong, “Dota 2 Hero Selection Analysis,” The City University of New York, 2021.

I. G. W. Sena and A. W. Emanuel, “MOBILE LEGEND GAME PREDICTION USING MACHINE LEARNING RE- GRESSION METHOD,” Jurteksi (Jurnal Teknol. dan Sist. Informasi), vol. IX, no. 2, pp. 221–230, 2023, doi: https://doi.org/10.33330/jurteksi.v9i2.1866.

M. Anshori, F. Mar’i, M. W. Alauddin, and F. A. Bachtiar, “Prediction Result of Dota 2 Games Using Improved SVM Classifier Based on Particle Swarm Optimization,” 3rd Int. Conf. Sustain. Inf. Eng. Technol. SIET 2018 - Proc., pp. 121–126, 2018, doi: 10.1109/SIET.2018.8693204.

P. N. Andono, N. B. Kurniawan, and C. Supriyanto, “DotA 2 bots win prediction using naive bayes based on adaboost algorithm,” ACM Int. Conf. Proceeding Ser., pp. 180–184, 2017, doi: 10.1145/3162957.3162981.

H. A. Santoso, E. H. Rachmawanto, A. Nugraha, A. A. Nugroho, D. R. I. M. Setiadi, and R. S. Basuki, “Hoax classification and sentiment analysis of Indonesian news using Naive Bayes optimization,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 18, no. 2, pp. 799–806, 2020, doi: 10.12928/TELKOMNIKA.V18I2.14744.

A. C. Putro, “Sistem Prediksi Kemenangan Tim Pada Game Mobile Legends dengan Metode Naive Bayes,” p. 11, 2018.

S. M. Listijo, T. Purwani, S. T. Galih, and T. Hafidzin, “Prediksi Kemenangan Dan Susunan Tim Pada Game Mobile Legends Bang Bang Menggunakan Algoritma Naïve Bayes,” Imam Bonjol, vol. 50173, pp. 15–17, 2019.

S. Bayulianto, I. Purnamasari, and M. Jajuli, “Prediksi Tingkat Kemenangan Mobile Legends Profesional League Indonesia Season 9 Dengan Menggunakan Algoritma Naïve Bayes,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 8, no. 2, pp. 538–550, 2023, doi: 10.29100/jipi.v8i2.3562.

A. T. Susilo, H. Setiawan, R. A. Saputro, T. Purwadi, and A. Saifudin, “Penggunaan Metode Naïve Bayes untuk Memprediksi Tingkat Kemenangan pada Game Mobile Legends,” J. Teknol. Sist. Inf. dan Apl., vol. 4, no. 1, p. 46, 2021, doi: 10.32493/jtsi.v4i1.7807.

H. Hartatik, M. B. Tamam, and A. Setyanto, “Prediction for Diagnosing Liver Disease in Patients using KNN and Naïve Bayes Algorithms,” 2020 2nd Int. Conf. Cybern. Intell. Syst. ICORIS 2020, pp. 1–5, 2020, doi: 10.1109/ICORIS50180.2020.9320797.




DOI: http://dx.doi.org/10.26798/jiko.v8i1.1120

Article Metrics

Abstract view : 39 times
PDF (Bahasa Indonesia) - 37 times

Refbacks

  • There are currently no refbacks.




Copyright (c) 2024 Vicci Rachmat Alfin Hidayat


JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413