Jurnal Riset Komputer (JURIKOM), Vol. 6 No. 1, Februari 2019 ISSN 2407-389X (Media Cetak) Hal: 7-10
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 7
Penerapan Algoritma Decision Tree C4.5 dalam Pemilihan Leader Warrior pada Game Android Power Ranger Legacy Wars
Rochmat Setiyawan
Program Studi Ilmu Komputer, STMIK Nusa Mandiri Jakarta, Indonesia Jl. Kramat Raya No.18 RT 01/RW 07, Jakarta Pusat, 10420, Indonesia
Email: [email protected] Abstrak
Beragamnya jagoan permainan virtual Power Ranger Legacy Wars pada platform smartphone membuat para user bingung dalam menentukan formasi tim. Namun pilihan pembentukan tim selama proses permainan video game membutuhkan keahlian dan studi menyeluruh yang terkadang bisa mengarah ke masalah tak terduga karena pilihan yang buruk dan dapat mempengaruhi permainan. Dalam tulisan ini, akan dibahas metode proses algoritma decision tree C4.5 untuk menyelesaikan masalah pemilihan tim dalam permainan, maka akan dibahas mengenai hasil untuk melihat apakah metode yang dipilih memberikan keputusan yang tepat yang akan membantu para pemain memilih ranger warrior dengan mudah yang dalam game.
Kata Kunci: c4.5 algorithm, data mining, android, power ranger, team.
Abstract
The variety of virtual game champions Power Ranger Legacy Wars on the smartphone platform makes users confused in determining the formation of the team. But the choice of team formation during the process of playing video games requires a thorough skill and study that can sometimes lead to unexpected problems due to poor choices and can affect the game. In this paper, we will present the decision tree C4.5 algorithm process method to solve the problem of team selection in the game, then we will discuss the results to see whether the method chosen provides the right decision that will help players choose the warrior ranger easily in the game.
Keywords: c4.5 algorithm, data mining, android, power ranger, team.
1. PENDAHULUAN
Perkembangan teknologi turut mempengaruhi kemudahan dalam bermain game. Game merupakan permainan yang menggunakan media elektronik, dan menjadi sebuah hiburan berbentuk multimedia yang dibuat semenarik mungkin agar pemain bisa mendapatkan sesuatu sehingga adanya kepuasaan batin. Pada mulanya untuk bermain game dibutuhkan game console, namun kini dapat dengan mudah ditemukan beragam game mobile.
Dewasa ini sudah merupakan hal yang umum dalam industri game mobile , apabila terdapat film yang dapat menarik banyak penonton, sudah dipastikan para developer game tidak tahan dan akan berbondong-bondong untuk mengembangkannya dalam bentuk game mobile. Hal inilah yang terjadi pada film versi remake dari Power Rangers 2017 silam.
Berdasarkan adaptasi dari film tersebut, Power Rangers: Legacy Wars merupakan game produk developer nWay, yang menceritakan tentang kembalinya musuh abadi dari Power Rangers, yaitu Rita Repulsa. Skenario alur cerita game ini dikisahkan Rita Repulsa berhasil menginfeksi Morphin Grid. Karena perbuatannya tersebut, ia berhasil membuat monster virtual dan duplikasi dari para Rangers.
Permasalahan yang ditemui oleh para pemain adalah untuk menemukan komposisi tim yang sesuai antara leader dan assist, karena banyaknya variasi karakter yang ditawarkan. Salah satu cara yang dilakukan untuk menentukan komposisi tim yang berkualitas adalah dengan melakukan penyeleksian beberapa karakter tersebut melalui beberapa kriteria. Tantangan para pemain dalam game ini adalah membentuk tim untuk melawan Rita Repulsa dan semua anak buahnya. Mekanisme gameplay yang disodorkan oleh developer nWay dalam game mobile Power Rangers: Legacy Wars ini terbilang cukup sederhana, yaitu hanya swipe dan tap di layar. Secara visual gameplay yang disajikan hampir mirip dengan game fighting mobile lainnya. Hal yang membedakan game ini adalah para pemain tidak bisa serta merta memukul musuh sesuka hati dan bermain dalam bentuk tim. Satu tim terdiri tiga karakter dimana satu orang merupakan leader dan sisanya merupakan assist. Terdapat beberapa variasi energi yang diperlukan untuk melakukan serangan terhadap musuh. Pemulihan energi dapat dilakukan setelah melakukan serangan. Sementara untuk menghindari serangan dapat melakukan blok atau menghindar maju maupun ke belakang dengan melakukan swipe ke kiri atau kanan. Game ini juga sedikit mengadaptasi genre RPG (role-playing game), dimana beberapa karakter yang digunakan dapat dilakukan upgrade kemampuan. Karakter yang ditawarkan tidak hanya dari Power Rangers terbaru, namun terdapat juga karakter lainnya pada era awal mula Power Rangers di tahun 90an.
2. METODE PENELITIAN
Metode penelitian yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Metode Observasi
Jurnal Riset Komputer (JURIKOM), Vol. 6 No. 1, Februari 2019 ISSN 2407-389X (Media Cetak) Hal: 7-10
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 8 Teknik pengumpulan data dimana penulis mengandalkan pengamatan secara langsung pada permainan Power Ranger Legacy Wars dan kemudian menarik kesimpulan dari objek tersebut.
2. Metode Kepustakaan
Proses untuk memperluas pengetahuan, maka diperlukan membaca buku yang sesuai dengan permasalahan penulis, sebagai bahan pertimbangan untuk mendapatkan data sekunder yang mengacu pada literatur, buku, diktat, catatan yang dapat menunjang penyusunan penelitian ini.
Gambar 1. Confusion Matrix Keterangan :
TP : True Positif TN : True Negatif FP : False Positif FN : False Negatif
Gambar 1 merupakan tabel confusion matrix yang terdiri dari dua baris dan dua kolom yang berisi jumlah True Positif, True Negatif, False Positif dan False Negatif yang berfungsi untuk analisis secara rinci untuk menghasilkan prediksi dengan nilai akurasi yang baik. Dan apabila klasifikasi data tidak seimbang akan menghasilkan nilai akurasi yang buruk. Recall dan Precision merupaka dua kriteria yang berfungsi untuk mengevaluasi efektifitas kinerja sistem.
a. Precision merupakan bagian data yang diambil secara acak sesuai informaasi yang dibutuhkan.
b. Recall merupakan pengambilan data yang berhasil dilakukan terhadap bagian data yang relevan dengan query.
c. Akurasi merupakan prosentase dari total leader warrior yang bernilai benar diidentifikasi.
3. Metode Dokumentasi
Metode ini penulis gunakan untuk mengetahui proses-proses yang pernah dilakukan oleh pemain dalam video game.
3. ANALISA DAN PEMBAHASAN
Tahap yang dilakukan pada tahap ini adalah untuk menentukan tahapan-tahapan apa saja yang akan dilakukan.
Pada tahap ini dijelaskan tentang batasan dan tujuan yang dapat dicapai oleh user nantinya.
3.1 Analisa Kebutuhan Data Alternatif
Saat penelitian ini dilakukan terdapat 55 alternatif ranger leader, yang dapat dikombinasikan untuk memimpin satu tim yang tangguh.
3.2 Analisa Kebutuhan Data Kriteria
Terdapat beberapa kriteria dalam memilih ranger untuk menentukan komposisi tim yang kuat. Ada beberapa kategori dalam pemilihan leader maupun assist. Kategori tersebut yaitu Class, Rarity, dan Moveset. Masing- masing kategori tersebut memiliki bobot tersendiri. Kategori Class terbagi menjadi Attacker, Defender, Balanced.
Kategory Rarity terbagi menjadi Common, Rare, Epic, Legendary. Dan kategori Moveset terbagi menjadi Strike, Block, Breaker. Dalam kategori class untuk leader sangat mempengaruhi peluang mendapatkan skill block dengan konsumsi EP 0. Urutan tingkatan tersebut dari yang memiliki peluang paling besar adalah defender, balanced, dan yang paling sedikit attacker. Dalam kategori rarity besarnya damage yang dihasilkan akan sangat berpengaruh sesuai dengan urutan tingkatannya. Urutan tingkatan rarity tertinggi yaitu legendary, epic, rare dan common. Kategori yang terakhir yaitu Moveset yang terdiri dari tiga jenis strike, block, breaker yang sangat dibutuhkan untuk melakukan serangan, bertahan ataupun menghindari serangan. Moveset Sebuah tim dengan komposisi moveset yang seimbang akan memudahkan pemain dalam menyerang maupun mengantisipasi serangan lawan. Moveset Strike digunakan untuk mengalahkan Breaker, Breaker digunakan untuk mengantisipasi Block, sedangkan Block digunakan untuk mengantisipasi serangan cepat seperti moveset Strike.
3.3 Pohon Keputusan (Decision Tree)
Pohon keputusan adalah suatu metode klasifikasi dan prediksi yang sangat kuat dan akurat. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Pohon keputusan dapat mengeksplorasi data, menemukan
Jurnal Riset Komputer (JURIKOM), Vol. 6 No. 1, Februari 2019 ISSN 2407-389X (Media Cetak) Hal: 7-10
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 9 hubungan tersembunyi antara calon variabel input dengan sebuah variabel target. Pohon keputusan juga memadukan antara eksplorasi data dan pemodelan dan sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunanhimpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Dengan masingmasing rangkaian pembagian, anggota himpunan hasil menjadi mirip satu dengan yang lain.
3.4 Algoritma C4.5
Algoritma C4.5 merupakan metode yang akan digunakan dalam penelitian ini. Pohon keputusan memiliki klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang mempresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Pohon keputusan dapat mengeksplorasikan data, menemukan hubungan tersembunyi antara calon variabel input dengan sebuah variabel target. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan untuk memprediksi atau mengklasifikasi yang sangat kuat. Dalam algoritma C4.5 untuk membangun pohon keputusan hal yang dilakukan yaitu memilih atribut sebagai akar, kemudian dibuat cabang untuk tiap-tiap nilai didalan akar tersebut. langkah berikutnya yaitu membagi kasus dalam cabang, kemudian ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama.
Algoritma C4.5 dikemukakan pertama kali oleh J. Ross Quinlan diakhir tahun 1970 hingga awal tahun 1980-an. J. Ross Quinlan seorang peneliti dibidang mesin pembelajaran yang merupakan pengembangan dari algoritma ID3 (Interative Dichotomiser), algoritma tersebut digunakan untuk membentuk pohon keputusan yang dianggap sebagai salah satu pendekatan yang paling populer, dalam klasifikasi pohon keputusan terdiri dari sebuah node yang membentuk akar, node akar tidak memiliki inputan. Node lain yang bukan sebagai akar tetapi memiliki tepat satu inputan disebut node internal atau test node. Node mewakili nilai target yang paling tepat dari salah satu class (Maimon & Rokach, 2010). Algoritma C4.5 mengklasifikasi sampel dengan cara top-down, mulai dari node akar dan menjaga pergerakan sesuai dengan hasil tes pada node internal, sampai node daun dicapai dan label kelas ditugaskan (Widodo, 2014).
Pencarian Entropy dan Gain menggunakan rumus, untuk menghitung gainmenggunakan rumus sebagai berikut :
Gain (S,A) = Entropy(s) n * Entropy(s)...(1) Keterangan :
S : himpunan kasus A : atribut
n : jumlah partisi atribut
|Si| : jumlah kasus pada partisi ke-i
|S| : jumlah kasus dalam S.
4. IMPLEMENTASI
Berisi hasil implementasi ataupun pengujian.
1. Pengimportan data kedalam rapid miner
Proses import data menggunakan rapid miner ini berdasarkan data warrior leader yang ada dalam game Power Ranger Legacy Wars, akan ditampilkan pada Gambar .
Gambar 2. Data Leader Warrior 2. Proses di rapid miner
Jurnal Riset Komputer (JURIKOM), Vol. 6 No. 1, Februari 2019 ISSN 2407-389X (Media Cetak) Hal: 7-10
http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom |Page | 10 Gambar 3. Proses dalam rapid miner
3. Hasil Akurasi
Hasil yang didapatkan dari proses yang dilakukan pada rapid miner adalah sebagai berikut:
Gambar 4. Hasil Akurasi
5. KESIMPULAN
Ditinjau dari tingkat akurasi, data yang telah diproses pada excel yang kemudian diproses melalui rapid miner menggunakan algoritma C4.5 menunjukan tingkat akurasi sebesar 96,67% layak menjadi leader warrior.
REFERENCES
[1] Widodo, Pudji. 2014. Rule Based Classifier Untuk Mendeteksi Penyakit Liver. Bianglala Informatika Vol . II No 1 Maret 2014.
[2] Harryanto, Fandy Ferdian dan Seng Hansu. Penerapan algoritma C4.5 untuk memprediksi penerimaan calon pegawai baru di PT wise : Jurnal Jatisi, Vol. 3, No 2, 2 Maret 2017. Diambil dari : http://www.mdp.ac.id/jatisi/vol-3- no2/2.%20Jurnal%20Fandy%20Ferdian%20Harryanto.pdf
[3] Purnomo, Joko dkk. 2018. Implementasi algoritma C 4.5 dalam pembuatan aplikasi penunjang keputusan penerimaan pegawai CV Dinamika Ilmu : Jurnal TIKomSIN. Diambil dari : https://p3m.sinus.ac.id/jurnal/index.php/TIKomSiN/article/download/158/26%5B16 [4] Suareni, ni kadek dkk. Implementasi data mining dalam penerimaan karyawan baru dengan metode decision tree di bendesa hotel : Jurnal Seminar nasional teknologi informatika dan multimedia 2015. Februari 2015. Diambil dari : http://eresearch.stikom- bali.ac.id/mdta/2586.html
[5] Lotfi E., Amine B., Mohammed B., 2014, Application of Analytic Hierarchical Process Method for Video Game Genre Selection, Abdelmalek Essaadi University, No.16, Vol.96, p.30-37
[6] Musdar, Imzy Alwiyah dkk. 2017. Implementasi metode decision tree pada sistem penunjang keputusan penerimaan karyawan bank.
Jurnal JTRISTE, Vol. 4, No. 1, Maret 2107. Diambil dari : Kamus Besar Kahasa Indonesia (Tim Pustaka Phoenik) . 2012. Jakarta. PT Media Pustaka Phoenik. http://jtriste.kharisma.ac.id/index.php/home/article/view/61
