Rancang Bangun Website Rekomendasi Counter-Pick Hero Mobile Legends Berdasarkan Role Pick dan Pick Hero Musuh Menggunakan Algoritma CBF

Sani, Asrul (2026) Rancang Bangun Website Rekomendasi Counter-Pick Hero Mobile Legends Berdasarkan Role Pick dan Pick Hero Musuh Menggunakan Algoritma CBF. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (606kB)
	PDF BAB_I.pdf Download (231kB)
	PDF BAB_II.pdf Download (270kB)
	PDF BAB_III.pdf Download (964kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (837kB)
	PDF BAB_V.pdf Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Download (204kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (463kB)
	Archive (ZIP) CREATION_FILE.zip Download (25MB)

Abstract

Mobile Legends merupakan permainan Multiplayer Online Battle Arena (MOBA) yang memiliki tingkat popularitas tinggi di Indonesia. Salah satu faktor penting yang memengaruhi kemenangan dalam permainan ini adalah strategi pada fase draft pick, khususnya dalam menentukan hero counter-pick yang tepat untuk menghadapi hero lawan. Namun, banyak pemain masih mengalami kesulitan dalam memilih hero secara objektif karena kurangnya pemahaman terhadap atribut dan karakteristik masing-masing hero. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem rekomendasi counter-pick hero berbasis website menggunakan algoritma Content-Based Filtering (CBF). Algoritma CBF bekerja dengan menganalisis kemiripan atribut hero, seperti role, tipe serangan, dan tingkat kesulitan, yang direpresentasikan dalam bentuk vektor dan dihitung menggunakan metode cosine similarity. Sistem dikembangkan menggunakan framework Django dan basis data MySQL. Evaluasi sistem dilakukan melalui pengujian perhitungan manual serta pengujian kepuasan pengguna menggunakan metode End User Computing Satisfaction (EUCS). Hasil penelitian menunjukkan bahwa sistem mampu memberikan rekomendasi hero counter-pick yang relevan dengan tingkat kepuasan pengguna sebesar 90,30%. Dengan demikian, algoritma CBF efektif diimplementasikan dalam sistem rekomendasi untuk membantu pengambilan keputusan pemain pada fase pemilihan hero.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Sani, Asrul (00000050195)
Contributors:	Winarno, Winarno
Keywords:	Content-Based Filtering, Counter-Pick Hero, Django, Mobile Legends, Sistem Rekomendasi.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	03 Feb 2026 08:08
URI:	https://kc.umn.ac.id/id/eprint/44537

Actions (login required)

View Item