Skripsi

Prediksi kemenangan tim pada game mobile legend menggunakan atribut hero dengan metode k-means clustering pada naive bayes / Mohamad Ridlo Fadli

Abstrak
RINGKASAN Fadli M. Ridlo. 2019. Predikisi Kemenangan Tim Pada Game Mobile Legend Menggunakan Atribut Hero Dengan Metode K-Means Clustering dan Naive Bayes. Skripsi Program studi S1 Teknik Informatika Jurusan Elektro Fakultas Teknik Universitas Negeri Malang Pembimbing Harits Ar Rosyid S.T. MT. Ph.D dan Muhammad Iqbal Akbar S.ST. M.MT. Keywords E-sport Mobile Legend K-means Clustering Naive Bayes. Perkembangan IPTEK di era globalisasi ini telah membawa manfaat luar biasa bagi kemajuan peradaban umat manusia. Salah satunya adalah kegiatan komunikasi melalui dunia virtual dengan mengandalkan media eletronik dan jaringan internet. E-sport atau singkatan dari Electronic sport adalah olahraga yang dilakukan pada media elektronik berupa game. Saat ini E-sport menjadi aktivitas yang dilakukan oleh banyak orang di seluruh dunia termasuk Indonesia. Mobile legend merupakan salah satu game yang mendapat dukungan oleh pemerintah Indonesia dalam beberapa pertandingan E-sport pada tahun 2019. Beberapa badan pemerintahan tersebut adalah Kementrian Pemuda dan Olahraga Komite Olimpiade Indonesia Federasi Olahraga Masyarakat Indonesia juga Kementrian Komunikasi dan Informasi dengan diselenggarakanya 3 turnamen E-sport yaitu Piala Presiden Youth National Esports Championship dan IEC University Series 2019. Mobile legend adalah game yang memiliki genre MOBA (Multiplayer Online game Battle Arena) dimana terdapat dua tim yang bertanding dengan komposisi 5 vs 5 dengan beberapa peran yang ada setiap pemain akan memainkan salah satu karakter yang disebut dengan hero. Penentuan hero dalam game bergenre MOBA sangat berpengaruh dalam kemenangan tim mobile legend.Untuk membantu permasalahan ini terdapat solusi yang ditawarkan salah satunya adalah dengan pengelompokan hero berdasarkan kekuatan bertahan tingkat probabilitas kemampuan menyerang serta efek yang mampu diciptakan oleh hero tersebut dengan menerapkan teknik machine learning yaitu clustering dan klasifikasi data numerik menggunakan algoritma K-Means Clustering untuk memberikan label menang dan kalah. Setelah itu dilakukan klasifikasi menggunakan algoritma Na ve Bayes. Penelitian ini menghasilkan tingkat akurasi sebesar 80% tanpa menggunakan min max normalization dan 82% menggunakan min-max normalization.

Informasi Detail

DDC

Rs 005.1 FAD p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xii, 107 lembar : il., tab.; 30 cm.

Bahasa

Indonesia

No Reg

00022/KI/20

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. K-MEANS CLUSTERING
3. NAIVE BAYES
4. COMPUTER ALGORITHMS

Pembimbing

1. Harits Ar Rosyid; 2. Muhammad Iqbal Akbar

Lampiran Berkas