25.04.3227
000 - General Works
Karya Ilmiah - Skripsi (S1) - Reference
Data Science
9 kali
Data penelitian ini bersumber dari <em>OpenDota API</em> yang mencakup data pertandingan profesional <em>DotA 2</em> pada patch 7.37, meliputi data <em>matches</em>, <em>players</em>, <em>heroes constants</em>, dan <em>item constants</em> dengan total 11.829 pertandingan. Penelitian ini bertujuan membangun model prediksi hasil pertandingan <em>Dota 2</em> menggunakan algoritma <em>Random Forest</em> dengan penerapan teknik <em>encoding</em> fitur <em>hero</em> dan <em>item</em> yang tepat serta optimasi <em>hyperparameter</em> menggunakan <em>Random Search</em> untuk meningkatkan akurasi prediksi. Tantangan utama dalam prediksi hasil pertandingan <em>DotA 2</em> terletak pada penanganan data kategorikal hero dan item yang kompleks, dimana representasi data yang tidak tepat dapat menyebabkan model berbasis pohon keputusan salah menginterpretasikan hubungan antar fitur kategorikal. Solusi yang ditawarkan adalah penggunaan algoritma <em>Random Forest</em> dengan penerapan <em>encoding</em> khusus untuk merepresentasikan data hero (nilai -1 untuk tim <em>Dire</em>, 1 untuk <em>Radiant</em>) dan data <em>item</em> (selisih jumlah antar tim), serta optimasi <em>hyperparameter</em> menggunakan <em>Random Search</em>. Hasil penelitian menunjukkan bahwa penerapan encoding pada fitur item dan hero serta hyperparameter tuning berhasil mencapai akurasi 90.03% dengan nilai <em>ROC-AUC</em> 96.40%, membuktikan efektivitas pendekatan <em>encoding</em> khusus dalam menangani data kategorikal untuk prediksi hasil pertandingan <em>DotA 2</em> profesional.<br />
Tersedia 1 dari total 1 Koleksi
Nama | PUTU RAYNO SEBASTIAN |
Jenis | Perorangan |
Penyunting | Dimas Fanny Hebrasianto Permadi, Siti Khomsah |
Penerjemah |
Nama | Universitas Telkom, S1 Sains Data - Kampus Purwokerto |
Kota | Purwokerto |
Tahun | 2025 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |