Implementasi algoritma Sequential Pattern Minning Framework (SPMF) untuk rekomendasi pemilihan hero dalam mengidentifikasi trend meta berdasarkan data historis pada game Dota 2

Azqia, DIaz Muhamad Azihar (2025) Implementasi algoritma Sequential Pattern Minning Framework (SPMF) untuk rekomendasi pemilihan hero dalam mengidentifikasi trend meta berdasarkan data historis pada game Dota 2. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (132kB) | Preview
Preview	Text 2_abstrak.pdf Download (238kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (429kB) | Preview
Preview	Text 4_daftarisi.pdf Download (257kB) | Preview
Preview	Text 5_bab1.pdf Download (336kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (508kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (374kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (867kB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (280kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (241kB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Game Multiplayer Online Battle Arena (MOBA) seperti Dota 2 menuntut strategi pemilihan hero (drafting) yang kompleks serta adaptif terhadap perubahan meta yang terus berkembang. Walaupun platform data seperti OpenDota telah menyediakan statistik terkini, analisis mendalam mengenai pola historis drafting masih terbatas sehingga menyulitkan pemain dalam mengidentifikasi tren dan relevansi hero secara proaktif. Penelitian ini bertujuan untuk membangun sistem rekomendasi pemilihan hero pada Dota 2 dengan mengidentifikasi pola meta drafting berdasarkan data historis menggunakan pendekatan hybrid, yaitu Algoritma Sequential Pattern Mining Framework (SPMF) khususnya PrefixSpan serta Content-Based Filtering (CBF). Data historis pertandingan Dota 2, termasuk urutan pemilihan hero (picks_bans), diperoleh melalui OpenDota API, kemudian diproses dan ditransformasikan ke dalam format sekuensial sebagai input bagi algoritma SPMF. PrefixSpan digunakan untuk menemukan pola urutan hero yang sering muncul, sedangkan Content-Based Filtering diterapkan untuk merekomendasikan hero berdasarkan kesamaan fitur seperti tipe serangan, atribut utama, dan peran, yang berfungsi sebagai alternatif ketika pola sekuensial tidak tersedia. Sistem rekomendasi ini diimplementasikan dalam bentuk aplikasi interaktif berbasis Streamlit yang dijalankan secara lokal, mampu mengambil data terbaru dari OpenDota API, melakukan pelatihan ulang model PrefixSpan secara dinamis, serta menampilkan rekomendasi hero secara real-time. Hasil pengujian memperlihatkan bahwa sistem hybrid ini mampu memberikan rekomendasi yang relevan, di mana SPMF menghasilkan presisi berbasis pola sementara CBF memastikan cakupan rekomendasi yang lebih luas. Kontribusi penelitian ini adalah menghadirkan alat bantu bagi pemain Dota 2 dalam menyusun strategi drafting yang lebih efektif dan sesuai dengan tren meta terkini.

Actions (login required)

View Item