Skripsi

Perbandingan algoritma decision tree c4.5 dan knn untuk klasifikasi peran pemain esports mobile legends / Caraka Putra Mega

Abstrak
Esport yang juga dikenal sebagai Electronic Sports merujuk pada kompetisi dalam dunia game yang mengadopsi struktur persaingan mirip dengan olahraga konvensional dan saat ini telah menjadi fenomena yang sangat populer. Salah satu bentuk esport yang sedang populer adalah yang terjadi dalam game Mobile Legends sebuah permainan dengan genre MOBA (Multiplayer Online Battle Arena) yang mewajibkan pemain untuk merancang strategi dan bekerja sama dalam tim untuk menghancurkan markas lawan dengan peran-peran khusus seperti Support Tank Mid Laner Sidelane dan Offlane. Kompleksitas variasi peran dan karakter dalam Mobile Legends sering kali membuat pemain atau manajer tim esport kesulitan dalam memilih peran yang sesuai dengan gaya bermain pemain. Untuk mengatasi masalah tersebut kami mengumpulkan dataset dari turnamen Mobile Legends Professional League ID Season 6 dan mengimplementasikan algoritma Decision Tree C4.5 dan K-Nearest Neighbor untuk melakukan klasifikasi peran pemain dalam dunia esport Mobile Legends. Melalui hasil confusion matrix terungkap bahwa K-Nearest Neighbor memiliki kinerja yang lebih baik dengan tingkat akurasi 63.40% rata-rata presisi 62.31% dan rata-rata recall 63.39%. Di sisi lain metode C4.5 menunjukkan tingkat akurasi yang lebih rendah yaitu 62.48% rata-rata presisi 60.98% dan rata-rata recall 52.07%.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2023.

Deskripsi Fisik

xiii, 35 hlm. : ilus.

Bahasa

Indonesia

No Reg

5283/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. ALGORITMA KOMPUTER
2. E-SPORTS - MOBILE LEGENDS
3. COMPUTER ALGORITHM

Pembimbing

1. Harits Ar Rosyid, S.T., M.T., Ph.D; 2. Agusta Rakhmat Taufani, S.T., M.T.

Lampiran Berkas