Klasifikasi peran pemain esports mobile legend: bang bang menggunakan algoritma adaboost / Aldo Yudho Prakoso</p> - Repositori Universitas Negeri Malang

Klasifikasi peran pemain esports mobile legend: bang bang menggunakan algoritma adaboost / Aldo Yudho Prakoso</p>

Prakoso, Aldo Yudho (2024) Klasifikasi peran pemain esports mobile legend: bang bang menggunakan algoritma adaboost / Aldo Yudho Prakoso</p>. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

p Game online merupakan sebuah perkembangan teknologi yang berbasis pada media hiburan yang digemari oleh berbagai kalanganan. Esports sendiri merupakan istilah untuk liga atau turnamen yang sering digelar dengan beberapa tim atau kelompok (profesional atau amatir) untuk meraih hasil atau hadiah yang diperebutkan secara kompetitif. Dalam skena Esports sendiri terdapat beberapa game yang sering dijadikan ajang memperebutkan gelar dan salah satunya adalah Mobile Legends. Dalam pertandingan Mobile Legends para pemain diarahkan untuk memilih karakter dengan berbagai peran dan keunikan masing-masing. Peran tersebut berguna untuk melancarkan jalannya pertandingan dengan taktik dan strategi yang diinginkan dalam tim. Selain itu kerjasama sangat dibutuhkan terlebih untuk menyelesaikan pertandingan dimana kedua tim akan saling memperebutkan base untuk mendapatkan kemenangan. Beberapa peran yang ada di Mobile Legends yaitu Support Tank Jungler 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 ADABOOST untuk melakukan klasifikasi peran pemain dalam dunia esport Mobile Legends. Melalui hasil confusion matrix terungkap bahwa ADABOOST memiliki hasil kinerja dengan tingkat akurasi 62.75% rata-rata presisi 62.31% dan rata-rata recall 63.39%. /p

Item Type: Thesis (Diploma)
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: library UM
Date Deposited: 17 Dec 2024 04:29
Last Modified: 09 Sep 2024 03:00
URI: http://repository.um.ac.id/id/eprint/400168

Actions (login required)

View Item View Item