<![CDATA[Dota 2 adalah salah satu online game bergenre MultiplayerOnline Battle Arena yang paling populer di dunia. Dota 2dimainkan antara dua tim berisi 5 orang, di mana masing -masing tim harus saling menghancurkan markas satu sama lainuntuk menang. Pada awal permainan, tiap pemain memilih satukarakter yang disebut “hero” yang masing - masing memilikikemampuan unik. Dalam permainan ini, para pemain bertujuanuntuk mengumpulkan resource berupa experience dan gold yangakan digunakan untuk membantu menghancurkan markas daritim lawan. Gold digunakan untuk membeli item yang berfungsiuntuk memperkuat hero pemain masing – masing. Pada Dota 2versi 7.16, terdapat lebih dari 150 jenis item unik dengan efekyang beragam, sementara setiap pemain hanya bisamenggunakan 6 item secara aktif.Kombinasi item yang optimal tentunya sangat berpengaruhdalam mencapai kemenangan dalam permainan Dota 2.Menentukan kombinasi item yang paling optimal seringkalitidak mudah, baik bagi pemula maupun pemain berpengalaman.Oleh karena itu dibuatlah sistem rekomendasi untuk membantupemain menentukan pilihan item. Ada beberapa penelitiansebelumnya terkait Dota 2 seperti sistem rekomendasi hero danjuga sistem prediksi hero pada saat picking phase. Sistemrekomendasi hero tersebut memiliki kekurangan di mana sistemtersebut kurang diuji, sementara sistem prediksi hero tersebutmemiliki kekurangan yaitu akurasi yang rendah.Pada skripsi ini dibuat sebuah sistem rekomendasi pemilihanitem dalam permainan Dota 2. Rekomendasi dihasilkanberdasarkan association rule yang dicari menggunakanalgoritma Apriori menggunakan ribuan match data Dota 2.Untuk mengevaluasi kualitas rekomendasi yang dihasilkan, telahdilatih sebuah neural network jenis multilayer perceptron yangmampu menentukan persentase kemenangan berdasarkan pilihanitem dengan akurasi sebesar 73,04%. Hasil dari pengujianterhadap sistem rekomendasi adalah rata – rata win rate sebesar82,97%.]]>
