%A Andre Jan Febry
%A Prihastuti Harsani
%A Aries Maesya
%I Universitas Pakuan
%D 2021
%X Abstrak 
Game Mobile Legend merupakan permainan bersifat real time dimainkan dengan 
kerjasama tim. Pada game ini terdapat 6 role hero yaitu Tank, Support, Fighter, Assassin, 
Mage dan Marksman. Pada penelitian ini akan dicari mana role hero yang cocok bagi 
pemain Mobile Legend dengan menggunakan teknologi data mining, salah satunya adalah 
dengan tehnik clustering. K-Means dan K-Medians merupakan metode yang dapat 
mengelompokkan data berdasarkan karakteristiknya, sehingga data yang berada dalam 
cluster memiliki tingkat variasi yang kecil. Implementasi pada penelitian ini 
menggunakan bahasa pemograman Python. Hasil clustering yang didapatkan pada 
penelitian ini ditunjukkan untuk merekomendasikan hero mana yang paling digunakan 
oleh pemain. Berdasarkan clustering yang telah dilakukan menunjukan bahwa dari total 
566 data dengan jumlah 6 cluster pada algoritma K-Means yaitu rekomendasi role hero 
Tank 102 data, Support 86 data, Fighter 132 data, Assassin 99 data, Mage 86 data, dan 
Marksman 61 data, kemudian rekomendasi role hero pada algoritma K-Medians yaitu 
Tank 78 data, Support 76 data, Fighter 72 data, Assassin 161 data, Mage 110 data, dan 
Marksman 69 data. Hasil evaluasi cluster yang telah didapatkan menggunakan metode 
Davies Bouldin Index menunjukkan bahwa pada algoritma K-Means semakin sedikit 
jumlah cluster yang digunakan hasil clustering yang diperoleh semakin optimal. Pada 
algoritma K-Medians hasil clustering yang lebih optimal terdapat pada jumlah 4 cluster. 
Berdasarkan hasil evaluasi yang telah didapatkan dapat disimpulkan bahwa algoritma K�Means memiliki hasil clustering lebih optimal daripada algoritma K-Medians dalam 
penentuan role hero yang cocok bagi pemain Mobile Legend. 
Kata Kunci : K-Means, K-Medians, clustering, Mobile Legend, hero.
%L eprintsunpak3791
%T PENERAPAN ALGORITMA K-MEANS DAN K-MEDIANS UNTUK 
PENENTUAN ROLE HERO YANG COCOK BAGI PEMAIN 
MOBILE LEGEND