Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Xaverius Kati Lile, Fransiskus
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
OPTIMALISASI PERBANDINGAN ALGORITMA K-NEAREST NEIGHBORS DAN DECISION TREE UNTUK PREDIKSI KEMENANGAN DI MPL SEASON 13 MOBILE LEGEND Xaverius Kati Lile, Fransiskus; Suharjo, Imam
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 4 (2024): JATI Vol. 8 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i4.10343

Abstract

Mobile Legends: Bang Bang adalah permainan video seluler ber-genre multiplayer online battle arena yang populer di Asia Tenggara, dengan turnamen seperti Mobile Legends Professional League (MPL) menjadi sangat kompetitif. Musim 13, sebuah kompetisi besar, menekankan strategi kompleks dan pengembangan meta permainan yang dinamis. Prediksi hasil MPL sangat penting bagi para pemain, analis, dan pemain yang tertarik untuk memahami dinamika persaingan[1]. Penelitian ini bertujuan untuk mengoptimalkan dan membandingkan kinerja algoritma k-Nearest Neighbors (k-NN) dan Decision Tree dalam memprediksi hasil pertandingan di MPL Season 13 Mobile Legends. Metode CRISP-DM digunakan untuk mengelola proses dari pemahaman bisnis hingga penerapan model prediksi, dengan evaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma k-NN dengan parameter K=5 mencapai akurasi 75% dan tingkat kesalahan 25%, sementara Decision Tree mencapai akurasi 50% dengan tingkat kesalahan yang sama. Implementasi kedua algoritma menunjukkan adaptasi yang signifikan terhadap variasi data pertandingan. Penelitian ini tidak hanya memberikan wawasan strategis bagi tim dalam kompetisi, tetapi juga menunjukkan aplikasi praktis dari machine learning dalam menganalisis esports secara mendalam.
Co-Authors Suharjo, Imam