jahangircircle.org oleh Jordi Lasma dan putra Syarah Seemahuira

JAKARTA – Di era digital ini, industri video game berkembang pesat, termasuk game berbasis smartphone seperti Mobile Legends. Permainan ini sangat digemari oleh berbagai kalangan mulai dari anak-anak hingga orang dewasa. Salah satu aspek strategis yang menentukan kemenangan di Mobile Legends adalah pemilihan hero yang tepat dan ban pada hero tertentu. Memprediksi pola level hero merupakan faktor penting dalam merancang strategi permainan yang efektif.

Ilmu data adalah bidang multidisiplin yang menggabungkan statistik, ilmu komputer, dan analitik untuk mendapatkan wawasan dari data. Metode penting dalam ilmu data adalah penambangan data.

Data mining digunakan untuk menemukan pola atau tren tersembunyi dalam big data dan melakukan analisis mendalam. Di Mobile Legends, data mining digunakan untuk menganalisis data game dan memprediksi pola perilaku pemain, seperti keputusan ban suatu hero, yaitu ban penggunaan hero tertentu oleh tim lawan.

Penelitian yang dilakukan oleh dosen Universitas Nusa Mandir ini bertujuan untuk mengembangkan aturan asosiasi yang dapat memprediksi pola level hero di Mobile Legends. Aturan asosiasi ini menggunakan algoritma apriori untuk menemukan hubungan antar hero yang sering disukai atau dibatasi oleh pemain.

Menurut Syarah Seimahuira, penelitian ini berupaya memahami pola yang sering terjadi dalam proses ban ban sehingga dapat memberikan wawasan strategis bagi pengembang dan pemain. Dengan menggunakan aturan asosiasi ini, pengembang dapat lebih memahami preferensi pemain dan mengoptimalkan fitur game untuk lebih memenuhi kebutuhan pengguna.

Peneliti Jordi Lasma Putra yang juga dosen Universitas Nusa Mandir menambahkan, algoritma apriori sering digunakan dalam penelitian data mining karena kemampuannya menemukan pola tersembunyi dalam big data dan mengidentifikasi hubungan antar fitur yang berbeda.

Algoritma ini sangat efektif jika diterapkan pada data transaksional (seperti pola level hero di Mobile Legends). Dengan Aprior, pengembang dapat dengan mudah mengidentifikasi pahlawan mana yang sering di-ban secara bersamaan, yang kemudian dapat membantu merancang strategi yang lebih kompetitif.

Proses peramalan Pola Ban Hero dilakukan dengan pendekatan Cross-Industry Standard Data Mining (CRISP-DM) yang meliputi beberapa langkah: pemahaman bisnis, pengumpulan dan pengolahan data, pemodelan menggunakan algoritma apriori.

Pada tahap pengolahan data, data yang dikumpulkan melalui kuesioner diolah menggunakan aplikasi Weka. Data ini kemudian dianalisis untuk mengidentifikasi aturan asosiasi yang membantu memahami pola level pahlawan. Algoritma Apriori memungkinkan developer melihat hubungan antar atribut dan menentukan hero mana yang lebih sering di-ban atau tidak.

Dari hasil penelitian, algoritma Aprior membuat beberapa aturan asosiasi yang menunjukkan hubungan antara hero yang dipilih atau di-ban oleh pemain. Contohnya jika Hero Kaja tidak di banned, kemungkinan besar Hero Chou juga tidak akan di banned. Aturan ini memberikan informasi berguna bagi pemain dan pengembang game untuk memahami strategi yang digunakan pemain untuk memilih atau melarang pahlawan tertentu.

Hasil survey menunjukkan bahwa hero Chou lebih jarang di banned dibandingkan hero lainnya. Informasi ini memberikan wawasan strategis kepada pengembang untuk memahami preferensi pemain dan mengoptimalkan komposisi pahlawan tim. Dengan mengetahui hero mana yang sering di banned, developer dapat menyeimbangkan permainan dan mengembangkan hero yang lebih menarik bagi para pemain.

Penelitian ini menawarkan banyak manfaat bagi para gamer dan pengembang game. Bagi pemain, hasil penelitian dapat digunakan untuk merancang strategi permainan yang lebih efektif, dengan mempertimbangkan bahasa hero lawan. Bagi developer, memahami pola level hero dapat membantu menyeimbangkan permainan dan menciptakan hero yang lebih menarik.

Penggunaan algoritma apriori untuk memprediksi pola level hero di Mobile Legends menunjukkan bagaimana ilmu data dapat memberikan wawasan mendalam tentang preferensi dan strategi pemain. Penambangan data sebagai bagian dari ilmu data membantu mengeksplorasi data besar secara efektif dan menemukan pola yang dapat digunakan untuk strategi yang lebih baik. Dengan terus memanfaatkan teknologi ilmu data, industri game memiliki peluang besar untuk meningkatkan kualitas game, memenuhi ekspektasi pemain, dan menciptakan game yang lebih menarik dan kompetitif.

Penulis: Jordi Lasma Son dan Syarah Semahuira, dosen program studi data science Universitas Nusa Mandir