eprintid: 3791
rev_number: 9
eprint_status: archive
userid: 46
dir: disk0/00/00/37/91
datestamp: 2022-09-01 02:19:55
lastmod: 2022-09-03 17:13:37
status_changed: 2022-09-01 02:19:55
type: thesis
metadata_visibility: show
creators_name: Jan Febry, Andre
creators_name: Harsani, Prihastuti
creators_name: Maesya, Aries
creators_NPM: 065116047
creators_id: andrejanfebry17@gmail.com
contributors_name: Harsani, Prihastuti
contributors_name: Maesya, Aries
contributors_NIDN: 0427017501
contributors_NIDN: 0409098601
corp_creators: Universitas Pakuan
corp_creators: FMIPA
corp_creators: Ilmu Komputer
title: PENERAPAN ALGORITMA K-MEANS DAN K-MEDIANS UNTUK 
PENENTUAN ROLE HERO YANG COCOK BAGI PEMAIN 
MOBILE LEGEND
ispublished: pub
subjects: QK
divisions: sch_ecs
full_text_status: none
abstract: 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.
date: 2021-06
date_type: published
institution: Universitas Pakuan
department: Ilmu Komputer
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Jan Febry, Andre and Harsani, Prihastuti and Maesya, Aries  (2021) PENERAPAN ALGORITMA K-MEANS DAN K-MEDIANS UNTUK PENENTUAN ROLE HERO YANG COCOK BAGI PEMAIN MOBILE LEGEND.  Skripsi thesis, Universitas Pakuan.