Analisis Klastering pada Karakteristik Karakter Pahlawan Mobile Legends: Bang Bang (MLBB) Menggunakan Algoritma Simple K-Means

Marco Alfan Sumarto1* Muhammad Zulfikri Firya2
(1) BPSDMP Kominfo Jakarta
(2) Universtitas Mercubuana Jakarta
(*) Corresponding Author

Abstract

Penelitian ini bertujuan untuk melakukan klastering karakter pahlawan pada permainan Mobile Legends: Bang Bang (MLBB) menggunakan metode Simple K-Means pada aplikasi Weka. Data karakter pahlawan diperoleh dari 103 karakter pahlawan MLBB dengan 19 atribut, di antaranya nama karakter pahlawan, role, overall defense, overall offense, overall skill effect, overall difficulty, movement speed, magic defense, mana, hp regen, physical attack, physical defense, health point, attack speed, mana regen, win rate, pick rate, ban rate, dan tahun rilis. Metode Simple K-Means digunakan untuk membagi karakter pahlawan MLBB menjadi dua klaster berdasarkan atribut yang dimiliki. Hasil klastering menunjukkan bahwa karakter pahlawan MLBB pada klaster 0 memiliki nilai pertahanan, serangan, efek skill dan tingkat kesulitan yang lebih tinggi dibandingkan dengan hero pada klaster 1. Selain itu, hero pada klaster 0 juga memiliki pick rate yang lebih rendah dibandingkan dengan karakter pahlawan pada klaster 1. Hasil penelitian ini dapat digunakan sebagai referensi bagi pemain MLBB untuk memilih karakter pahlawan yang sesuai dengan kebutuhan dan strategi permainan mereka

Keywords

Klastering; Simple K-Means; Mobile Legends; Weka

Full Text:

PDF

References

Witten, I. H., Frank, E., & Hall, M. A. (2016). Data mining: practical machine learning tools and techniques (4th ed.). Morgan Kaufmann Publishers.

Han, J., Kamber, M., & Pei, J. (2011). Data mining: concepts and techniques. Elsevier.

Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 11(1), 10-18.

Han, J., & Kamber, M. (2006). Data mining: concepts and techniques (2nd ed.). Morgan Kaufmann Publishers.

Huang, J., Chen, Y., Peng, J., & Liu, H. (2004). Mining the characteristic rules for predicting the severity of coronary artery disease. Proceedings of the 10th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 488-493.

Weka 3: Data Mining Software (2023). Diperoleh dari

https://www.cs.waikato.ac.nz/ml/weka/

Mobile Legends: Bang Bang. (n.d.). Heroes. Diperoleh dari

https://m.mobilelegends.com/en/heroes



DOI: https://doi.org/10.53514/jco.v3i1.381

Article Metrics

Abstract views: 873 times
PDF Downloaded: 332 times

DOI (PDF): https://doi.org/10.53514/jco.v3i1.381.g224

Refbacks

  • There are currently no refbacks.


___________________________________________________________________ 

Journal Computer Science and Informatic Systems:J-Cosys
ISSN 2776-9690 (online)
Managed by: Fakultas Teknologi Bisnis dan Sains (FTBS)
Published by: Universitas Dharma Wacana
W: https://e-jurnal.dharmawacana.ac.id/index.php/JCO
  Email: lppmstmikdw@gmail.com

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Creative Commons License