PENGGUNAAN ALGORITMA GAUSSIAN NAÏVE BAYES & DECISION TREE UNTUK KLASIFIKASI TINGKAT KEMENANGAN PADA GAME MOBILE LEGENDS
Perkembangan teknologi dan internet membuat popularitas game online
seperti Mobile Legends semakin meningkat. Namun dalam kompetisi seringkali
pemain mengalami kekalahan karena berbagai faktor, antara lain skill pemain,
strategi tim, dan pemilihan hero yang tepat. Pemilihan hero yang tepat sangat
penting untuk meningkatkan peluang kemenangan. Oleh karena itu, Mobile
Legends Professional League (MPL) menjadi fokus tim-tim kompetitif di seluruh
dunia. Penelitian ini bertujuan untuk mengetahui klasifikasi kemenangan pada
pertandingan MPL berdasarkan draft pick. Gaussian Naïve Bayes dan Decision
Tree digunakan sebagai model algoritma klasifikasi dalam penelitian ini. Proses
dalam penelitian ini meliputi pembersihan data, transformasi data (pelabelan),
penanganan data yang tidak seimbang, penskalaan, pemisahan, dan
hyperparameter. Tahap evaluasi menggunakan matriks konfusi, data korelasi, dan
kurva AU-ROC. Hasil penelitian ini menunjukkan bahwa metode Decision Tree
memiliki kinerja yang lebih baik dibandingkan Gaussian Naïve Bayes dalam
mengklasifikasikan data menggunakan matriks confusion. Analisis AUC (area
under the receiver operating character curve) menunjukkan bahwa Decision Tree
memiliki kinerja yang lebih baik dibandingkan Gaussian Naïve Bayes dalam
memprediksi data positif dan negatif. Hal ini ditunjukkan dengan nilai AUC yang
lebih tinggi pada Decision Tree yaitu sebesar 0,67 dibandingkan dengan Gaussian
Naïve Bayes yaitu sebesar 0,48. Model klasifikasi dengan nilai AUC yang lebih
tinggi dapat membedakan data positif dan negatif dengan lebih akurat. Pada
penelitian ini, Decision Tree mempunyai nilai AUC yang lebih tinggi
dibandingkan dengan Gaussian Naïve Bayes sehingga Decision Tree dapat
mengklasifikasikan data kemenangan dan kekalahan dengan lebih akurat.
URI
https://repo.itera.ac.id/depan/submission/SB2401180016
Keyword
Mobile Legends, Classification, Gaussian Naïve Ba