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.

Keberhasilan penelitian ini dalam menggunakan machine learning untuk prediksi di sektor E-Sports membuka peluang baru untuk aplikasi teknologi serupa di bidang lain. Misalnya, di bidang kesehatan, teknik machine learning seperti yang digunakan dalam penelitian ini telah diterapkan untuk memprediksi wabah penyakit kronis dengan tingkat akurasi mencapai 94,8% menggunakan pendekatan Convolutional Neural Network (CNN). Hal ini menunjukkan bahwa potensi aplikasi machine learning sangat luas dan dapat diterapkan pada berbagai bidang yang memerlukan analisis data kompleks dan prediksi yang akurat.
Kesimpulan dari artikel "Mobile Legend Game Prediction Using Machine Learning Regression Method" menekankan pentingnya inovasi dalam penggunaan teknologi machine learning untuk memprediksi hasil pertandingan E-Sports, khususnya dalam game Mobile Legends. Dengan akurasi prediksi yang tinggi dari algoritma Artificial Neural Network (82%) dan Random Forest (80%), penelitian ini memberikan wawasan berharga bagi tim E-Sports untuk mengoptimalkan strategi mereka. Selain itu, metode yang diterapkan dalam penelitian ini juga dapat diadaptasi untuk berbagai bidang lain yang memerlukan prediksi berbasis data, seperti analisis kesehatan, keuangan, dan industri lainnya yang bergantung pada pengambilan keputusan yang didukung data.

Implikasi dari penelitian ini menunjukkan bahwa penggunaan teknologi machine learning dalam analisis data bukan hanya tren sementara, tetapi sebuah keharusan di dunia yang semakin digital. Prediksi berbasis machine learning memungkinkan organisasi untuk membuat keputusan yang lebih cepat dan lebih akurat, yang pada akhirnya dapat meningkatkan efisiensi dan efektivitas operasional. 

Namun, untuk mencapai hasil yang optimal, penting bagi para peneliti dan praktisi untuk terus mengembangkan model dan teknik baru, serta mempertimbangkan berbagai faktor yang dapat mempengaruhi akurasi prediksi, termasuk kualitas data, pemilihan algoritma, dan metode evaluasi.

Secara keseluruhan, artikel ini tidak hanya berkontribusi pada literatur akademis di bidang teknologi informasi dan E-Sports, tetapi juga menawarkan pandangan praktis yang dapat diterapkan di berbagai sektor lain. Dengan terus berkembangnya teknologi dan meningkatnya aksesibilitas data, pendekatan seperti yang diuraikan oleh Wiarta Sena dan Emanuel dalam penelitian ini akan menjadi semakin relevan dan berharga dalam menghadapi tantangan dan peluang baru di era digital ini.

Referensi

Wiarta Sena, I. G., & Emanuel, A. W. R. (2023). Mobile Legend Game Prediction Using Machine Learning Regression Method. JURTEKSI (Jurnal Teknologi dan Sistem Informasi), 9(2), 221-230. https://doi.org/10.33330/jurteksi.v9i2.1866