ANALISIS DATA STATISTIK AGEN PADA GAME VALORANT MENGGUNAKAN ALGORITMA K-MEANS DAN GREEDY UNTUK MEREKOMENDASIKAN KOMPOSISI AGEN YANG OPTIMAL

Alfarisi, Muhammad Shalman (2025) ANALISIS DATA STATISTIK AGEN PADA GAME VALORANT MENGGUNAKAN ALGORITMA K-MEANS DAN GREEDY UNTUK MEREKOMENDASIKAN KOMPOSISI AGEN YANG OPTIMAL. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (973kB)
	Text BAB I.pdf Download (118kB)
	Text BAB II.pdf Download (187kB)
	Text BAB III.pdf Download (535kB)
	Text BAB IV.pdf Download (805kB)
	Text BAB V.pdf Download (109kB)
	Text LAMPIRAN.pdf Download (494kB)

Abstract

Perkembangan e-sports telah menjadikan game online sebagai salah satu
bentuk hiburan yang semakin populer, termasuk dalam ranah kompetitif. Valorant,
sebagai salah satu game Massively Multiplayer Online First Person Shooter
(MMOFPS), menawarkan pengalaman bermain yang strategis dengan pilihan
berbagai agen yang memiliki kemampuan unik. Pemilihan agen yang tepat menjadi
faktor kunci dalam meningkatkan peluang kemenangan dalam permainan. Oleh
karena itu, penelitian ini bertujuan untuk menganalisis data statistik agen pada game
Valorant menggunakan algoritma K-Means dan Greedy untuk merekomendasikan
komposisi agen yang optimal. Algoritma K-Means digunakan untuk
mengelompokkan agen berdasarkan karakteristik seperti Win %, Pick %, Avg.
Score, dan Matches, dengan tujuan mengidentifikasi pola pemilihan agen yang
paling efektif. Selanjutnya, algoritma Greedy diterapkan untuk menentukan
kombinasi agen terbaik dalam satu tim berdasarkan hasil clustering dari K-Means.
Implementasi sistem dilakukan menggunakan bahasa pemrograman Python dan
antarmuka pengguna dibangun menggunakan Streamlit untuk memungkinkan
pengguna memperoleh rekomendasi secara interaktif. Hasil penelitian
menunjukkan bahwa algoritma K-Means mampu membentuk tiga klaster agen
dengan tingkat efektivitas berbeda, sedangkan algoritma Greedy berhasil memilih
agen terbaik berdasarkan jumlah pertandingan dan tingkat kemenangan tertinggi.
Evaluasi menggunakan Davies-Bouldin Index dan Silhouette Score menunjukkan
bahwa hasil clustering memiliki kualitas yang baik dalam membentuk komposisi
agen yang optimal. Dengan demikian, sistem rekomendasi yang dikembangkan
dapat membantu pemain dalam menentukan strategi pemilihan agen yang lebih
efektif berdasarkan analisis data pertandingan kompetitif.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	15 Sep 2025 02:26
Last Modified:	15 Sep 2025 02:54
URI:	http://repository.unas.ac.id/id/eprint/14097

Actions (login required)

View Item