IMPLEMENTASI METODE XGBOOST (EXTREME GRADIENT BOOSTING) PADA PREDIKSI HASIL PERTANDINGAN VALORANT TOURNAMENT

Emor, Jedidja Johannes (2025) IMPLEMENTASI METODE XGBOOST (EXTREME GRADIENT BOOSTING) PADA PREDIKSI HASIL PERTANDINGAN VALORANT TOURNAMENT. Skripsi thesis, UPN Veteran Yogyakarta.

	Text cover.pdf Download (256kB)
	Text Lembar Pengesahan Pembimbing.pdf Download (1MB)
	Text Lembar Pengesahan Penguji.pdf Download (1MB)
	Text Daftar Isi.pdf Download (323kB)
	Text Daftar Pustaka.pdf Download (624kB)
	Text FULL TA Jedidja Johannes Emor 123190161.pdf Restricted to Repository staff only Download (3MB)

Abstract

Dalam ekosistem kompetitif e-sports, performa tim yang kuat tidak hanya ditentukan
oleh kemampuan individu para pemain, tetapi juga oleh bagaimana tim tersebut bekerja sama,
strategi yang digunakan, dan bagaimana tim dapat beradaptasi dengan lawan dalam berbagai
kondisi permainan. Seiring dengan perkembangan e-sports, kebutuhan untuk menganalisis
performa tim menjadi semakin penting. Analisis performa dapat membantu dalam memahami
pola kemenangan, kelemahan yang perlu diperbaiki, dan faktor-faktor apa yang benar-benar
berkontribusi terhadap keberhasilan dalam kompetisi.
Valorant adalah game e-sports berbasis first-person shooter dengan elemen taktis,
yang dikembangkan oleh Riot Games, dan digunakan dalam penelitian ini. Dalam kompetisi
global seperti Valorant Champions Tour (VCT), tim-tim bertanding di turnamen dunia, di
mana hasil pertandingan dipengaruhi oleh berbagai faktor seperti performa pemain,
komposisi agen, peta yang dimainkan, dan faktor situasional lainnya. Penelitian ini
menggunakan data statistik tim dari seluruh musim VCT 2023-2024, yang melibatkan lebih
dari 160 tim, 133 acara, dan lebih dari 1.400 pertandingan, dengan tujuan menganalisis
faktor-faktor yang mempengaruhi hasil kompetisi dan kinerja tim.
Dalam penelitian ini, Metode XGBoost dipilih karena kemampuannya mengolah
data besar dan kompleks, seperti statistik pertandingan Valorant yang memiliki banyak
variabel berinteraksi, termasuk data tidak seimbang. Algoritma ini menawarkan akurasi
tinggi dengan teknik gradient boosting, yang memperbaiki kesalahan prediksi secara iteratif,
sehingga sangat cocok untuk memprediksi hasil pertandingan yang kompleks. XGBoost juga
fleksibel dalam menangani interaksi antar variabel seperti KDA, komposisi agen, dan peta
yang dimainkan. Selain itu, model ini cepat dan efisien, ideal untuk menganalisis data besar
secara real-time.
Kata Kunci : Valorant, Esport, XGBoost, Gradient Boosting

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Jedidja Johannes Emor (Penulis - 123190161) ; Rifki Indra P (Pembimbing)
Uncontrolled Keywords:	Valorant, Esport, XGBoost, Gradient Boosting
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	A.Md Eko Suprapti
Date Deposited:	04 Nov 2025 03:59
Last Modified:	04 Nov 2025 03:59
URI:	http://eprints.upnyk.ac.id/id/eprint/45296

Actions (login required)

View Item