Evaluasi Dan Prediksi Hasil Pertandingan Dota 2 Menggunakan Algoritma Terbaik Dari Random Forest Atau XGBoost

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja model algoritma Random Forest dan XGBoost dalam prediksi hasil pertandingan Dota 2. Analisis ini berfokus pada evaluasi kinerja model menggunakan Confusion Matrix dan AUROC untuk menentukan algoritma terbaik. Tujuan penelitian ini adalah untuk menganalisis kinerja kedua algoritma tersebut dan mengimplementasikannya dalam skenario model dengan berbagai pembagian data untuk mencari model terbaik. Pemodelan dilakukan dengan membagi data menjadi tiga skenario: 80:20, 75:25, dan 70:30. Evaluasi model dilakukan menggunakan Confusion Matrix dan AUROC. Hasil penelitian menunjukkan bahwa skenario pembagian data 80:20 dengan algoritma XGBoost memberikan kinerja terbaik. Algoritma XGBoost pada skenario ini mencapai akurasi 52% pada Confusion Matrix dan AUROC sebesar 51.49%. Hasil ini menunjukkan bahwa algoritma XGBoost memberikan keseimbangan optimal antara accuracy, precision, recall, dan f1-score untuk prediksi kedua kelas, yaitu Dire Menang dan Radiant Menang. Penelitian ini menyimpulkan bahwa algoritma XGBoost lebih unggul dibandingkan Random Forest dalam skenario pemodelan prediksi hasil pertandingan Dota 2.