Machine Learning dalam E-Sports: Prediksi Akurat untuk Mobile Legends

Machine Learning dalam E-Sports: Prediksi Akurat untuk Mobile Legends 

Artikel berjudul "Mobile Legend Game Prediction Using Machine Learning Regression Method" karya I Gede Wiarta Sena dari Institut Informatika Indonesia dan Andi W. R. Emanuel dari Universitas Atma Jaya Yogyakarta menawarkan pandangan menarik tentang penggunaan algoritma machine learning untuk memprediksi hasil pertandingan game Mobile Legends, sebuah game MOBA (Massive Online Battle Arena) yang sangat populer di Asia.

Dipublikasikan dalam Jurnal Teknologi dan Sistem Informasi (JURTEKSI), Vol. IX No. 2, Maret 2023, artikel ini menggarisbawahi pentingnya analisis data dalam industri E-Sports, yang terus berkembang pesat seiring dengan meningkatnya jumlah pengguna internet global, termasuk di Indonesia yang menempati peringkat 20 besar dengan lebih dari 83,7 juta pengguna (DOI: https://doi.org/10.33330/jurteksi.v9i2.1866).

Studi ini memanfaatkan data dari 600 pertandingan Mobile Legends untuk menguji efektivitas berbagai algoritma machine learning, seperti Artificial Neural Network (ANN) dan Random Forest (RF), dalam memprediksi hasil pertandingan. Dengan tingkat akurasi masing-masing 82% dan 80%, penelitian ini menyoroti potensi algoritma ini untuk membantu tim E-Sports dalam membangun strategi pertandingan yang lebih baik. 

Artikel ini juga menjelaskan bagaimana machine learning dapat digunakan untuk berbagai aplikasi lain di sektor game, seperti memprediksi hasil pertandingan dalam game populer lainnya seperti Dota 2 dan NBA. Melalui pendekatan yang komprehensif ini, penelitian ini berhasil menunjukkan relevansi dan efektivitas penggunaan teknologi machine learning dalam analisis data dan prediksi di bidang E-Sports.

Penelitian yang dilakukan oleh I Gede Wiarta Sena dan Andi W. R. Emanuel ini menggunakan pendekatan yang sangat terstruktur dalam menerapkan machine learning untuk prediksi hasil pertandingan Mobile Legends. Artikel ini menguraikan langkah-langkah mulai dari pengumpulan data, seleksi fitur, penyeimbangan data, hingga pemilihan algoritma yang tepat. 

Pada tahap awal, penelitian ini mengumpulkan 852 data statistik dari beberapa komunitas Mobile Legends, yang kemudian disaring dan diproses menjadi 832 data setelah menghapus data yang tidak lengkap menggunakan fungsi dropna di Python. Data ini kemudian dinormalisasi dan diimbangi untuk memastikan kualitas prediksi yang lebih akurat, terutama mengingat ketidakseimbangan data yang dapat menyebabkan bias dalam model prediksi.

Salah satu kontribusi utama dari penelitian ini adalah penggunaan dua algoritma machine learning, yaitu Artificial Neural Network (ANN) dan Random Forest (RF), yang terbukti memiliki akurasi tertinggi dalam memprediksi hasil pertandingan. ANN, dengan akurasi 82%, menunjukkan kemampuannya dalam menangani data yang kompleks dan mampu memprediksi hasil dengan presisi tinggi. Algoritma ini menggunakan delapan neuron di satu lapisan tersembunyi dan 50 epoch untuk pelatihan, yang memastikan bahwa model mampu belajar pola dari data sejarah dengan baik. 

Di sisi lain, Random Forest, dengan akurasi 80%, menunjukkan keandalan yang tinggi dalam memprediksi hasil pertandingan menggunakan 100 nodes. Kedua algoritma ini dibandingkan dengan empat algoritma lain, termasuk K-nearest Neighbor, Logistic Regression, Support Vector Machine, dan Decision Tree, yang masing-masing menunjukkan performa yang lebih rendah dengan akurasi 76%, 78%, 75%, dan 71%.

Penelitian ini tidak hanya memfokuskan pada akurasi prediksi tetapi juga membahas pentingnya metrik evaluasi lain seperti precision, recall, dan F1-score. Sebagai contoh, model ANN menunjukkan precision untuk label "win" sebesar 0,86 dan "lose" sebesar 0,74, dengan rata-rata precision 0,79 atau 79%. Recall untuk model ini mencapai 0,76 untuk label "win" dan 0,85 untuk "lose," menghasilkan rata-rata recall 80,5%. 

Demikian pula, Random Forest menunjukkan hasil precision yang seimbang dengan rata-rata 81% dan recall rata-rata 80,5%. Evaluasi ini memberikan gambaran yang lebih menyeluruh mengenai efektivitas masing-masing algoritma dalam konteks prediksi hasil pertandingan, menunjukkan bahwa ANN dan Random Forest adalah pilihan terbaik dalam konteks ini.