PENERAPAN ALGORTIMA CLUSTERING K-MEANS PADA PENGELOMPOKKAN HERO DI GAME MOBILE LEGENDS

Melesatnya perkembangan teknologi pada video game di era digital seperti sekarang ini sudah tidak bisa dibendung lagi khususnya, video game bergenere Multiplayer Online Battle Arene (MOBA). Salah saru game MOBA yang sedang naik daun, banyak dari kalangan masyarakat tidak terkhusus hanya pada anak muda bahkan orang tua dan anak-anak yang juga ikut memainkanya, yaitu Mobile Legends: Bang Bang (MLBB) yang merupakan game online bergenre MOBA yang dirilis oleh perusahaan asal tiongkok, Yaitu shanghai Moonton Technology Co., Ltd pada tahun 2016. Bahkan game MOBA ini sendiri sudah diakui oleh pemerintah Indonesia sebagai salah satu cabang olahraga E-Sport pada ajang SEA Games, MSC, Piala Presiden, turnament antar tim esport (MPL & MDL) dan turnamen Kejuaraan Dunia (M-World). Gameplay Mobile Legends yaitu dimainkan secara team 5vs 5 dengan 6 role hero yang tersedia, dan apapun berbagai faktor penentu yang mempegaruhi jalannya permainan untuk mencapai sebuah kemenangan seperti diperlakukanya gameplay strategy untuk mempertahankan base dan menghancurkan base lawan, penguasaan makro dan mikro serta yang paling penting adalah pemilihan hero sesuai meta dan counternya. Telah banyak studi yang melakukan riset penelitian tersebut. Namun masih sedikit penelitian yang membahas tentang pengelompokkan hero pada game mobile legends bedasarkan karaktersitiknya tanpa melihat role yang ditentukan oleh developer sebagai panduan bermain untuk memilih hero bedasarkan kemampuan pemain khusus nya bagi pemain baru. Sehingga diperlukan suatu metode untuk menyelesaikan masalah tersebut secara cepat, tepat, dan akurat. Dalam penelitian ini diambil 124 data dari hero digame mobile legends bang bang musim ke 34 yang memiliki atribut movement, mana, hp regen, physical atk, physical defense, attack speed, mana regen dan hp. Data tersebut kemudian diolah pada microsoft excel dan menggunakan phyton dengan metode K-Means clustering, serta Davies Bouldin Index untuk evaluasi dan validasi hasil. Hasil perhitungan Indeks Davies Bouldin adalah 0,470 pada Microsoft Excel dan 0,379 untuk Python. Pengelompokan cukup baik karena mendekati 0 (nol-negatif ≥ 0 Kata Kunci: Mobile Legends Bang Bang, Hero, K-Means, Clustering