Analisis Peran Atlet Dota 2 Dengan Algoritma Random Forest

Dicky Huang; Ito Wasito

doi:10.51454/decode.v4i1.216

Authors

Dicky Huang Informatika Universita pradita
Ito Wasito Teknik Informatika Universitas Pradita

DOI:

https://doi.org/10.51454/decode.v4i1.216

Keywords:

Dota 2, pemain, peran, prediksi, random forest

Abstract

Dota 2 merupakan permainan action real time yang tergolong dalam game dengan genre strategi. Dalam Dota 2, para pemain dibagi menjadi 2 tim, yaitu, radiant dan dire untuk melawan satu sama lain. Setiap tim terdiri dari lima pemain, dengan peran masing-masing yang telah dipilih sebelumnya, salah satu cara dalam mengidentifikasi pemain berdasarkan keahliannya adalah dengan melakukan prediksi peran berdasarkan hasil statistik permainan sebelumnya. Untuk memprediksi kesesuaian pemain terhadap perannya, kami menggunakan Random Forest sebagai classifier dalam algoritma. Penelitian ini bertujuan menyortir pemain terhadap peran yang sesuai dengan permainannya. Metode random forest digunakan sebagai model prediksi yang meraih hasil akurasi sebesar 86,89%. Adapun penggunaan Confusion Matrix yang berfungsi untuk mengevaluasi teknik kategorisasi. Hasil penelitian ini menunjukkan bahwa penggunaan teknik Random Forest dapat menentukan peran yang sesuai bagi setiap pemain. Hasil tersebut dapat digunakan oleh perusahaan dan pelatih untuk melakukan prediksi terhadap peran yang sesuai dengan kualitas pemain tersebut.

References

Akhmedov, K., & Phan, A. H. (2021). Machine learning models for DOTA 2 outcomes prediction. 1-11. http://arxiv.org/abs/2106.01782

Avgousti, S., & Krijthe, J. (2022). Causal inference in DotA 2 when estimated through randomized data. https://repository.tudelft.nl/islandora/object/uuid:f23a7610-448d-4898-ac72-e576e5f4d74a

Drachen, A., Yancey, M., Maguire, J., Chu, D., Wang, I. Y., Mahlmann, T., Schubert, M., & Klabajan, D. (2015). Skill-based differences in spatio-Temporal team behaviour in defence of the Ancients 2 (DotA 2). Conference Proceedings - 2014 IEEE Games, Media, Entertainment Conference, IEEE GEM 2014, 2(DotA 2). https://doi.org/10.1109/GEM.2014.7048109

Goedhart, C. (2022). Estimating the effect of ‘diverse’ team compositions on Dota 2 game outcomes using Inverse Probability Weighting Estimating the effect of ‘diverse’ team compositions on Dota 2 game outcomes using Inverse Probability Weighting. https://repository.tudelft.nl/islandora/object/uuid:c1a8d428-d7b1-4e9b-b752-e9b6ae0a42bf

Habiburrahman, R. M. (2019). Faktor di Balik Kesuksesan OG Sebagai Tim Terbaik di Dota 2. https://revivaltv.id/news/Dota 2/faktor-di-balik-kesuksesan-og-sebagai-tim-terbaik-di-dota-2

Katona, A., Spick, R., Hodge, V. J., Demediuk, S., Block, F., Drachen, A., & Walker, J. A. (2019). Time to die: Death prediction in dota 2 using deep learning. IEEE Conference on Computatonal Intelligence and Games, CIG, 2019-Augus. https://doi.org/10.1109/CIG.2019.8847997

Maas, D. Van Der. (2022). Validating the win-rate of heroes in Dota 2 using instrumental variable estimation. https://repository.tudelft.nl/islandora/object/uuid:c04d0f4b-14fc-4d65-9756-0cf3abec54c9

Nurahmadan, I. F., Agusta, A., Winarno, P. A., Sazali, B. H., Thurfah, Y., & Rosaliah, A. (2021). Perbandingan Algoritma Machine Learning Untuk Klasifikasi Denyut Jantung Janin. Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya(SENAMIKA), 733-740.

Priyambodo, A. D. (2022). Jumlah Pemain Dota 2 Meningkat Tajam Usai Hadirnya Arcana Gratis. https://www.skor.id/post/jumlah-pemain-dota-2-meningkat-tajam-usai-hadirnya-arcana-gratis-01436223

Ringer, C., Missaoui, S., Hodge, V., Pedrassoli Chitayat, A., Kokkinakis, A., Patra, S., Demediuk, S., Caceres Munoz, A., Olarewaju, O., Ursu, M., Kirman, B., Hook, J., Block, F., Drachen, A., & Walker, J. A. (2022). Time to Die 2: Improved In-Game Death Prediction in Dota. SSRN Electronic Journal, 12(November 2022), 100466. https://doi.org/10.2139/ssrn.4295831

Schmidt, R., Emmerich, K., & Schmidt, B. (2015). Entertainment Computing - ICEC 2015. 9353(November), 112-125. https://doi.org/10.1007/978-3-319-24589-8

Shah, J. (2021). Vector Embedding Techniques for Player Behaviour in Dota 2 Table of Contents. https://repository.library.carleton.ca/concern/etds/2v23vv44z

Syukron, A., & Subekti, A. (2018). Penerapan Metode Random Over-Under Sampling dan Random Forest Untuk Klasifikasi Penilaian Kredit. Jurnal Informatika, 5(2), 175–185. https://doi.org/10.31311/ji.v5i2.4158

Toksoy, N. E., Krijthe, J., & Karlsson, R. (2022). Discovering the effect of hero choice on the outcome of a Dota 2 game. https://repository.tudelft.nl/islandora/object/uuid:8d9b3322-dbcd-45af-996a-33b14fcf7237

Visahat. (2022). Dota 2 Catat Rekor Jumlah Pemain Dalam 41 Bulan, Efek the International Swag Bag. https://www.ligagame.tv/dota-2/dota-2-pecahkan-rekor-jumlah-player-tertinggi-dalam-41-bulan

Xia, B., Wang, H., & Zhou, R. (2019). What Contributes to Success in MOBA Games? An Empirical Study of Defense of the Ancients 2. Games and Culture, 14(5), 498-522. https://doi.org/10.1177/1555412017710599