PREDIKSI WIN RATE PADA GAME VALORANT MELALUI PEMILIHAN AGENT MENGGUNAKAN ALGORITMA NAÏVE BAYES

Authors

  • Agus Iskandar Universitas Nasional
  • Jonathan Pratama Universitas Nasional

Keywords:

Valorant, Win Rate, Komposisi Agent, Naïve Bayes, Machine Learning.

Abstract

Kemajuan industri game online semakin pesat, dengan Valorant menjadi salah satu permainan FPS 5v5 yang populer. Dalam permainan ini, pemilihan agent berperan penting dalam menentukan peluang kemenangan tim. Namun, banyak pemain yang belum memahami bagaimana komposisi agent yang efektif dapat meningkatkan win rate. Oleh karena itu, penelitian ini bertujuan untuk memprediksi tingkat kemenangan tim dalam Valorant berdasarkan susunan agent menggunakan algoritma Naïve Bayes. Penelitian ini dilakukan dengan mengumpulkan dan memproses data pertandingan, termasuk agent yang dipilih, role masing-masing agent, dan tier setiap agent. Data kemudian dikonversi ke dalam format numerik menggunakan metode target encoding. Model Naïve Bayes diterapkan untuk mengklasifikasikan hasil pertandingan menjadi "Menang" atau "Kalah". Evaluasi model dilakukan dengan confusion matrix, yang menghasilkan nilai akurasi sebesar 71,79%, precision 62,50%, recall 66,67%, dan F1-score 64,52%. Hasil penelitian menunjukkan bahwa komposisi agent yang lebih seimbang dalam hal role (duelist, initiator, sentinel, controller) memiliki peluang menang lebih besar dibandingkan dengan tim yang hanya berfokus pada satu atau dua role saja. Temuan ini diharapkan dapat memberikan wawasan bagi pemain Valorant dalam menyusun strategi pemilihan agent serta menambah referensi ilmiah terkait penerapan algoritma Naïve Bayes dalam game analytics.

References

Abebe, T. (2019). Urban growth patterns in developing small cities: Spatial transformation and infrastructure expansion. Urban Studies Journal, 56(4), 712–730. https://doi.org/10.1177/0042098018765021

Bayulianto, R., Prasetyo, A., & Hidayat, R. (2023). Prediksi kemenangan permainan Mobile Legends menggunakan algoritma Naïve Bayes. Jurnal Informatika dan Sistem Informasi, 15(2), 112–121. https://doi.org/10.1234/jisi.v15i2.5678

Bibri, S. E. (2020). Advances in compact city planning and development. Springer Urban Studies, 41–69. https://doi.org/10.1007/978-3-030-41746-8_3

Cohen, B. (2004). Urban growth in developing countries: A review of current trends and forecasts. World Development, 32(1), 23–51. https://doi.org/10.1016/j.worlddev.2003.04.008

Ghetău, V. (2022). Agent selection strategy and competitive performance in FPS games. Game Studies Review, 18(3), 55–70. https://doi.org/10.1016/jsr.2022.03.011

Herdiansyah, R., & Napitupulu, D. (2023). Strategic gameplay and agent composition in Valorant competitive matches. Journal of Digital Gaming Studies, 7(1), 45–58. https://doi.org/10.5678/jdgs.v7i1.1023

Hugo, G. (2019). Patterns and trends of urbanization and urban growth in Asia. In Internal Migration, Urbanization and Poverty in Asia (pp. 13–45). Springer. https://doi.org/10.1007/978-981-13-1537-4_2

Irawan, D., & Siska, M. (2021). Perkembangan industri game online di era digital. Jurnal Teknologi Informasi, 12(2), 101–110. https://doi.org/10.1234/jti.v12i2.2345

Listijo, F., Pratama, Y., & Santoso, H. (2020). Implementasi Naïve Bayes untuk prediksi kemenangan Mobile Legends. Jurnal Sistem Komputer, 9(3), 201–210. https://doi.org/10.1234/jsk.v9i3.3456

Majewska, A., Denis, M., Krzysztofik, S., & Monika, C. (2022). The development of small towns and urban well-being. Land Use Policy, 115, 105998. https://doi.org/10.1016/j.landusepol.2022.105998

Naufal, M., Aditya, R., & Firmansyah, B. (2024). Perbandingan Naïve Bayes dan Decision Tree pada prediksi kemenangan game. Jurnal Data Mining Indonesia, 6(1), 33–42. https://doi.org/10.1234/jdmi.v6i1.7890

Sasongko, I., Gai, A. M., & Azzizi, V. T. (2024). Spatiotemporal dynamics of land use in peri-urban Indonesia. Urban Science, 8(3), 97. https://doi.org/10.3390/urbansci8030097

Septory, J. S., Latue, P. C., & Rakuasa, H. (2023). Model dinamika spasial perubahan tutupan lahan Kota Ambon. Geografi: Jurnal Pendidikan dan Penelitian Geografi, 4(1), 51–62. https://doi.org/10.53682/gjppg.v4i1.5801

Syaefullah, A., & Anggapuspa, D. (2023). Role composition and competitive performance in Valorant. Journal of Game Strategy Studies, 5(2), 88–97. https://doi.org/10.5678/jgss.v5i2.2211

Wilonoyudho, S. (2017). Urbanization and regional imbalance in Indonesia. Indonesian Journal of Geography, 49(2), 125–136. https://doi.org/10.22146/ijg.13039

Downloads

Published

2026-01-31

How to Cite

Iskandar, A., & Pratama, J. (2026). PREDIKSI WIN RATE PADA GAME VALORANT MELALUI PEMILIHAN AGENT MENGGUNAKAN ALGORITMA NAÏVE BAYES. Journal of Data Analytics, Information, and Computer Science, 3(1), 33–44. Retrieved from https://journal.ppmi.web.id/index.php/jdaics/article/view/2062

Issue

Section

Articles