PREDIKSI KEMENANGAN BOT DOTA 2
MENGGUNAKAN METODE NAIVE BAYES
DOTA 2 BOT VICTORY PREDICTION USING NAIVE BAYES
Nanang Budi Kurniawan1, Pulung Nurtantio Andono2
Universitas Dian Nuswantoro Semarang Jl. Nakula I No 5-11 Semarang 50131 Telp : (024) 35176361, Fax : (024) 3520165 1, 2
Program Studi Teknik Informatika, Fakultas Ilmu Komputer e-mail: *1nb.kurniawan@gmail.com, 2pulung@dsn.dinus.ac.id
Abstrak
Dota 2 adalah salah satu game multiplayer yang banyak dimainkan saat ini. Dalam memainkan game dota 2, pemain dibagi menjadi dua kelompok yang saling bertempur, terdiri dari Radiant dan Dire. Masing-masing kelompok terdiri dari lima pemain. Didalam game dota 2 terdapat jenis permainan custom scenario dimana hero musuh dijalankan oleh artificial intelligences (AI). Ketika memainkan versi scenario, pemain bisa dibantu oleh hero dota sekutu yang dijalankan oleh AI game. Masing-masing team memiliki markas utama yang harus dilindungi, markas ini disebut Ancient. Ketika ancient salah satu team hancur, maka pertandingan selesai. Naive bayes adalah algoritma data mining klasifikasi yang digunakan untuk prediksi kemenangan bot dalam pertandingan dota 2. Dengan pembobotan statistik pada masing-masing bot akan dilakukan prediksi kemenangan bot pada game dota 2 sehingga akan diketahui team radiant atau dire yang akan memenangkan pertandingan dalam game dota 2. Akurasi yang dihasilkan naive bayes untuk memprediksi kemenangan team dota 2 adalah sebesar 54.17%.
Kata kunci: dota 2, artificial intelligences (AI), team, naive bayes, prediksi. Abstract
Dota 2 is a multiplayer game that is widely played today. In playing dota 2 game, the player is divided into two groups fought each other consists of radiant and dire. Each group consisting of five players. Dota 2 in the game there type of games where the enemy hero custom scenario run by artificial intelligence (AI). When playing a version of the scenario, the player can be assisted by allied heroes dota run by AI game. Each team has the main headquarters were to be protected, the headquarters is a called ancient. When the ancient one team is a destroyed, then the game is over. Naive bayes is a classification of data mining algorithms are used to predict the victory of the bot in the game dota 2 with statistical weighting on each bot will be made predictions on a bot wins the game dota 2 so they will know the radiant or dire team will win the game in the game dota 2. The resulting accuracy for predicting victory naive bayes team dota 2 amounted to 54.17%.
1. PENDAHULUAN
Game atau permainan adalah kegiatan interaktif yang dilakukan sukarela dengan mengikuti peraturan yang ada untuk membatasi perilaku dan memberlakukan konflik buatan yang sehingga akan memberikan hasil akhir yang terukur [1]. Di era modern seperti sekarang ini, game mengalami perkembangan yang sangat cepat salah satunya adalah game computer berbasis 3D. Dukungan dari perangkat komputer yang memiliki spesifikasi yang tinggi dituntut untuk dapat memainkan game 3D diera sekarang ini. salah satu game 3D adalah Dota. Dota adalah permainan multiplayer online/offline battle arena. dimainkan 2 team, RADIANT dan DIRE. Masing–masing team bisa terdiri dari 1 sampai 5 pemain. Terdapat lebih dari 100 hero dibagi menjadi 3 klan: strength, agility, intelligence. Terdapat 2 tipe hero: MELEE dan RANGE. Terdapat 7 peran hero, Nuker, Disabler, Jungler, Durable, Escape, Pusher, Initiator. Terdapat 2 kategori hero didalam permainan, CARRY dan SUPPORT. Terdapat 4 skill untuk masing–masing hero, bahkan terdapat beberapa hero yang memiliki skill lebih dari 4. Memiliki 3 jalur, masing – masing terdapat 3 tower untuk dihancurkan, muncul creep dalam waktu 30 detik sekali. Creeps adalah pasukan atau anak buah masing- masing kelompok yang akan terus menerus muncul setiap tiga puluh detik sekali disetiap jalur. Creeps ini akan terus berjalan kearah ancient lawan dan akan menyerang apapun yang ada didepannya. Creeps bertarung dengan dikontrol oleh AI game. Pertandingan selesai ketika salah satu ancient dihancurkan. Ancient adalah markas team yang harus dilindungi.
Perkembangan dota diawali pada tahun 2003 dengan membuat custom scenario
di mana hero musuh dijalankan oleh artificial intelligences (AI) yang telah dirilis berupa map atau peta yang dikembangkan oleh pembuat map eul [2]. Setelah map sampai dengan versi 6.x Pengembangan map diambil alih oleh IceFrog [2]. Valve Corporation mengundang IceFrog selaku pengembang mod dota dan menawarkan posisi sebagai lead designer untuk kerjasama mengembangkan Dota 2 [3]. Valve corporation menunjuk distributor kenamaan steam untuk mendistribusikan game dota 2 [3].
Data mining adalah proses menganalisa data dengan berbagai perspektif dan meringkasnya sehingga mendapatkan nilai tambah informasi yang berguna yang selama ini tidak diketahui secara manual didalam suatu database [6]. Algoritma naïve bayes dipilih karena metode yang digunakan sederhana, memiliki akurasi yang tinggi dan kecepatan yang baik ketika dijalankan dalam database yang cukup besar [4][5].
mengukur akurasi algoritma naive bayes terhadap game dota 2 dan untuk mendapatkan update game yang lebih optimal pada terutama pada bot game.
2. METODE PENELITIAN
2.1 Objek Penelitian
Objek yang diteliti dalam penelitian ini adalah mengamati jumlah stat hero, tipe hero, dan fokus hero dota 2 dalam pertandingan dan memprediksi tingkat kemenangannya. Pertandingan dilakukan sebanyak 30 kali. Dalam penelitian ini, pengambilan data dilakukan pada bulan Desember 2016.
2.2 Metode yang Dius ulkan
Berikut ini adalah langkah-langkah untuk menentukan attribute dalam melakukan perhitungan prediksi kemenangan bot dota 2 menggunakan metode naive bayes metode naive bayes:
1. Menghitung jumlah data.
2. Menghitung jumlah bot yang MENANG dan KALAH, kemudian dihitung probabilitasnya.
3. Membagi 2 tipe STAT, lebih dari sama dengan (>) dan kurang dari (<). Langkah ini dilakukan untuk mempermudah perhitungan statistik sehingga dilakukan pengelompokan yang bisa dilakukan untuk menghitung probabilitas. Pembagian 2 tipe STAT didapatkan dari seluruh hero yang yang tercatat didalam data training, kemudian STAT tersebut dirata-rata sehingga mendapatkan titik tengah yang nantinya digunakan untuk menghitung probabilitas STAT.
4. Membagi 2 tipe hero, MELEE dan RANGE.
5. Membagi 3 fokus hero sesuai didalam game dota 2, hero Strength (STR), hero Agility (AGI), dan hero Intellegence (INT).
2.3 Kondisi Dalam Prediksi
Terdapat 2 kondisi menentukan MENANG/KALAH dalam memprediksi pertandingan dota menggunakan algoritma naive bayes:
1. Membandingkan Probabilitas MENANG/KALAH.
Langkah ini dilakukan dengan cara melihat masing- masing probabilitas tertinggi MENANG/KALAH pada masing- masing team. Masing- masing team akan dilihat
probabilitasnya maka akan mendapatkan label MENANG/KALAH pada masing-masing team.
2. Membandingkan Probabilitas MENANG.
Langkah ini berlaku jika masing- masing team memiliki nilai tertinggi probabilitas MENANG. Dengan cara membandingkan probabilitas tertinggi dari label MENANG maka team yang memiliki nilai probabilitas MENANG lebih kecil, maka team tersebut dianggap memiliki label KALAH.
3. HASIL DAN PEMBAHASAN
3.1 Data Training yang Digunakan
Terdapat 30 data pertandingan yang digunakan untuk perhitungan naive bayes dan akurasi.
Gambar 1. Data Training.
Pada Gambar 4.1 akan dijadikan sample perhitungan untuk pertandingan 7. Berikut ini adalah langkah- langkah yang dilakukan untuk menghitung prediksi kemenangan bot dota 2 menggunakan naive bayes.
LANGKAH 1: Menghitung probabilitas masing- masing hero
a. Melakukan Perhitungan Probabilitas Masing–Masing Hero Pada Masing– Masing Team.
b. Menghitung Jumah Stat Hero, Jumlahkan Seluruh Stat Hero Yang Ikut Pertandingan , Hasil Rata- Rata Mendapatkan Titik Tengah 58, Kemudian Stat Dibagi Menjadi 2 Kategori, STAT > 58 Dan < 58.
c. Menghitung Probabilitas Hero Dengan Tipe MELEE Dan RANGE. d. Menghitung Probabilitas Fokus Hero.
e. Mendapatkan Probabilitas MENANG/KALAH Hero.
Gambar 2. Contoh Perhitungan Langkah 1.
LANGKAH 2: Lakukan Perkalian Probabilitas Masing – Masing Hero Dalam 1 Team Yang Sama.
a. Dari Langkah 1, Akan Mendapatkan Hasil Probabilitas MENANG/KALAH Dari Masing – Masing Hero.
b. Jumlahkan Probabilitas Menang/Kalah Masing – Masing Hero Yang Berada Pada Team Yang Sama.
Gambar 3. Contoh Perhitungan Langkah 2.
LANGKAH 3: Membandingkan Hasil Probabilitas MENANG/KALAH Pada kedua Team.
Gambar 4. Hasil Akhir Langkah 3.
3.2 Implementasi Microsoft Excel
Pada tahap implementasi Microsoft Excel, versi yang digunakan adalah versi 2007. Data training yang digunakan adalah data pertandingan ke 7. Rumus persamaan yang digunakan adalah rumus =COUNTIFS.
(1) Berikut adalah penjelasan dari rumus (1).
1. D2:D241 adalah range yang digunakan pada Microsoft Excel untuk memanggil attribute 1.
Attribute 1 adalah JUMLAH STAT pada hero yang masuk dalam kategori < 56. Attribute JUMLAH STAT didalam Microsoft Excel yang semula dari > 56 dan < 56 diubah menjadi attribute 1 dan 2. Karena didalam Microsoft Excel tidak mengenali pengelompokan yang dibuat, maka pengelompokan dibagi menjadi attribute 1 dan 2.
2. G2:G241 adalah range yang digunakan pada Microsoft Excel untuk memanggil label MENANG/KALAH.
3. /120 adalah pembagian dari jumlah data yang masuk kedalam label MENANG. 4. Tanda * adalah sebagai perkalian untuk mengkalikan dengan proses selanjutnya
(sesuai dengan tahapan naive bayes).
Proses pengetikan range dan attribute dilakukan secara berlanjut hingga perhitungan naive bayes dianggap selesai. Pada Gambar 4.5, proses akhir rumus persamaan terdapat bilangan *0.5 yang didapatkan dari hasil probabilitas MENANG.
Gambar 5. Implementasi Microsoft Excel.
Rumus Persamaan (1) adalah langkah pertama yang dilakukan dalam melakukan prediksi kemenangan team dota 2 yang menghasilkan probabilitas masing- masing hero. Langkah selanjutnya adalah menghitung probabilitas MENANG/KALAH pada team.
Langkah selanjutnya yang perlu dilakukan adalah dengan mengkalikan (*) masing-masing probabilitas hero dalam satu team sehingga mendapatkan probabilitas MENANG/KALAH team (lihat Gambar 5).
3.3 AKURASI
Untuk membuktikan keakuratan algoritma naive bayes, perlu dilakukan perhitungan akurasi. Akurasi algoritma naive bayes untuk memprediksi kemenangan team dota 2 sebesar 54.17%. Perhitungan akurasi digunakan menggunakan RapidMiner. attribute berupa JUMLAH STAT, TIPE, dan FOKUS HERO akurasi yang dihasilkan masih terbilang kecil. Attribute-attribute diatas dipilih sebagai attribute kunci yang bisa dihitung statistiknya. Untuk melakukan prediksi bot dota 2, naive bayes perlu dikombinasikan dengan algoritma yang lain, sehingga diharapkan dapat meningkatkan tingkat akurasi untuk melakukan prediksi terhadap game dota 2.
4. KESIMPULAN
Setelah melakukan penelitian tentang dota 2, menerapkan algoritma naive bayes dan melakukan pengujian algoritma naive bayes terhadap game dota 2, akurasi yang dihasilkan algoritma niave bayes dengan menghitung attribute berupa jumlah stat, tipe, dan fokus hero sebesar 54.17% menjadikan indikator bahwa game dota 2 masih terlalu luas untuk dilakukan penelitian. Untuk melakukan prediksi bot dota 2, naive bayes perlu dikombinasikan dengan algoritma yang lain, sehingga diharapkan dapat meningkatkan tingkat akurasi untuk melakukan prediksi terhadap game dota 2. Implementasi naive bayes pada Microsoft Excel 2007 berhasil dilakukan untuk memprediksi kemenangan team dota 2. RapidMiner versi 7.3 memberikan kinerja yang baik dalam penggunaan attribute untuk analisa.
5. SARAN
Berdasarkan dari kesimpulan dan hasil analisa maka terdapat beberapa hal yang bisa dikembangkan untuk penelitian selanjutnya, antara lain:
1. Untuk melakukan penelitian tentang dota 2 perlu ditambahkan attribute-attribute yang mampu memberikan nilai output lebih dalam proses naive bayes sehingga diharapkan mampu memberikan akurasi yang lebih tinggi.
2. Dalam penelitian selanjutnya diharapkan penggunaan Microsoft Excel terutama Microsoft Excel 2007 tidak hanya digunakan sebagai media untuk import data training dan testing terhadap RapidMiner. Analisa dan implementasi data menggunakan Microsoft Excel 2007 sangat dimungkinkan selain penggunaan algoritma naive bayes. Diharapkan algoritma-algoritma data mining yang lain dapat diimplementasikan dan dianalisa dengan baik menggunakan Microsoft Excel.
DAFTAR PUSTAKA
[1] Aditya Galang Mahafi; Galih Hermawan, "GAME EDUKASI PENYAKIT MALARIA DAN CARA PENCEGAHANNYA", 2013. [2] Lim, Marco. "Hey Now, You're an All-Star...". Starcade: Philstar.com's
Official Gaming Site. Diakses tanggal 2007-03-01.
[3] Dota 2 on Steam". Steam. Valve Corporation. Diakses tanggal July 19, 2013.
[4] Jonh Fredrik Ulysses, “Data Mining Classification Untuk Prediksi Lama Masa Studi Mahasiswa Berdasarkan Jalur Penerimaan Dengan Metode Naive Bayes”, 2008
[5] Syarli; Asrul Ashari Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi) ”, 2016.
[6] Dicky Nofriansyah; Kamil Erwansyah; Mukhlis Ramadhan, “Penerapan Data Mining dengan Algoritma Naive Bayes Clasifier untuk Mengetahui Minat Beli Pelanggan terhadap Kartu Internet XL (Studi Kasus di CV. Sumber Utama Telekomunikasi)”, 2016.
