Nurhuda, Tegar Rafif Putra
Unknown Affiliation

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

Found 1 Documents
Search

Penerapan Algoritma Backpropagation untuk Memprediksi Jumlah Pemain pada Game Valorant Abdullah, Muhammad Hasyim; Nurhuda, Tegar Rafif Putra; Pinilih, Bahtiar Surya; Syadida, Winanda Qoulan; Hafithuddin, Dabith; Kusumastuti, Rajnaparamitha
Jurnal Informasi dan Teknologi Vol 1 No 3 (2024): JITU: Jurnal Informasi dan Teknologi Universitas Cokroaminoto Palopo
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/jitu.v1i3.71

Abstract

Penelitian ini menerapkan algoritma Jaringan Syaraf Tiruan (JST) Backpropagation untuk memprediksi jumlah pemain game Valorant, yang dirilis oleh Riot Games pada Juni 2020. Valorant merupakan game MMOFPS yang populer, sehingga prediksi jumlah pemain di masa depan penting bagi pengembang dan pengelola game. Data yang digunakan dalam penelitian diambil dari website tracker.gg dan pelatihan model dilakukan menggunakan Google Colab. Metode yang digunakan adalah JST Backpropagation dengan Adam optimizer dan Mean Squared Error (MSE) sebagai fungsi loss. Hasil menunjukkan bahwa model ini mampu memprediksi jumlah pemain dengan MSE sebesar 391604108292.3333 dan persentase error 2.96%. Prediksi juga mengindikasikan adanya peningkatan jumlah pemain secara stabil dari Agustus 2024 hingga Juli 2025, dengan pola musiman yang konsisten. Jumlah pemain diperkirakan lebih tinggi dibanding tahun-tahun sebelumnya. Studi ini juga menekankan pentingnya teknik augmentasi data dan optimasi arsitektur untuk meningkatkan akurasi prediksi. Hasil ini menunjukkan potensi besar JST Backpropagation dalam memprediksi tren pemain dan dapat digunakan sebagai acuan strategi pengembangan game ke depan