Identifikasi Peran Hero DOTA2 Menggunakan Social Network Analysis
Abstract
Penelitian ini dilakukan untuk menganalisis hubungan antar hero dan menemukan peran hero dalam permainan online DOTA2. Banyaknya hero dengan atribut berbeda akan menghasilkan kombinasi dan sinergi yang berbeda. Sehingga hubungan antar hero maupun peran hero dalam pertandingan profesional DOTA2 merupakan hal yang penting untuk diidentifikasi karena hal tersebut berpengaruh terhadap jalannya pertandingan hingga hasil pertandingan. Kedua hal tersebut dapat diidentifikasi menggunakan analisis jaringan sosial dengan menggunakan banyaknya pertandingan yang dilakukan bersama sebagai hubungan yang terjadi diantara hero-hero tersebut. Hubungan antar hero kemudian dianggap sebagai edge dan hero dianggap sebagai node. Ada 17.778 data pertandingan profesional yang digunakan dalam penelitian yang kemudian diproses menggunakan pengukuran degree centrality untuk melihat popularitas hero, betweenness centrality untuk melihat peran sebagai penghubung, dan closeness centrality untuk melihat kedekatan hero dengan hero lainnya. Analisis dilakukan pada jaringan utuh dan jaringan menang untuk dilihat peran hero-hero tersebut pada kondisi normal dan kondisi menang. Hasil yang diperoleh dari kedua jaringan tersebut sangat berbeda, dimana pada jaringan utuh terlihat hero yang memiliki degree centrality atau popular juga bertindak sebagai penghubung maupun memiliki kedekatan yang baik dengan hero-hero lainnya. Tetapi hal tersebut tidak berlaku pada jaringan menang, dimana hero yang popular berbeda dengan hero penghubung dan hero yang memiliki kedekatan yang baik dengan hero-hero lainnya.
References
G. Galehantomo P.S, “Platform Comparison Between Games Console, Mobile Games And PC Games,” Sisforma, vol. 2, no. 1, p. 23, 2015.
E. H. S. Atmaja, “Prediksi Kemenangan eSport DOTA 2 Berdasarkan Data Pertandingan,” Avitec, vol. 2, no. 1, pp. 31–38, 2020.
L. Castaneda, M. K. Sidhu, J. J. Azose, and T. Swanson, “Game play differences by expertise level in Dota 2, a complex multiplayer video game,” Int. J. Gaming Comput. Simulations, vol. 8, no. 4, pp. 1–24, 2016.
S. P. Tahalea and A. SN, “Central Actor Identification of Crime Group using Semantic Social Network Analysis,” Indones. J. Inf. Syst., vol. 2, no. 1, p. 24, 2019.
S. M. Alam, N. Islam, and M. S. Hosain, “Detecting most central actors of an unknown network using friendship paradox,” in 2016 International Conference on Informatics and Computing, ICIC 2016, 2017, pp. 343–348.
K. Taha and P. D. Yoo, “A System for Analyzing Criminal Social Networks,” Proc. 2015 IEEE/ACM Int. Conf. Adv. Soc. Networks Anal. Min. 2015 - ASONAM ’15, pp. 1017–1023, 2015.
L. Tomasoa, A. Iriani, and I. Sembiring, “Ekstraksi Knowledge tentang Penyebaran #Ratnamiliksiapa pada Jejaring Sosial (Twitter) menggunakan Social Network Analysis (SNA),” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 6, p. 677, 2019.
M. S. Setatama and D. Tricahyono, “Implementasi Social Network Analysis pada Penyebaran Country Branding ‘Wonderful Indonesia,’” Indones. J. Comput., vol. 2, no. 2, p. 91, 2017.
W. Ignatio, M. R. D. Putra, and M. K. Bratawisnu, “Penentuan Top Brand Menggunakan Social Network Analysis pada E-Commerce Bukalapak dan Tokopedia,” J. Inf. Eng. Educ. Technol., vol. 2, no. 1, pp. 1–5, 2018.
B. K. Wichmann and L. Kaufmann, “Social network analysis in supply chain management research,” Int. J. Phys. Distrib. Logist. Manag., vol. 46, no. 8, pp. 740–762, 2016.
A. Mangas-Vega, R. Gomez-Diaz, and J. A. Cordon-Garcia, “Approach to self-publishing with a combination of bibliometric study and social network analysis techniques,” Electron. Libr., vol. 34, no. 6, pp. 902–914, 2016.
