DATA ANALISIS REGRESI UNTUK PREDIKSI ATLET E-SPORT MENGGUNAKAN FRAMEWORK OSEMN

Musyfia Adla (2023) DATA ANALISIS REGRESI UNTUK PREDIKSI ATLET E-SPORT MENGGUNAKAN FRAMEWORK OSEMN. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2023.

[img] Text
FIXXXXXXXXX 333333 (2) - Musyfia Adla.pdf

Download (5MB)

Abstract

Dalam industri E-Sports yang berkembang pesat, performa atlet menjadi kunci dalam mencapai keberhasilan dan meraih kemenangan. Untuk itu, menganalisis faktor-faktor yang berkontribusi terhadap performa atlet E-Sports menjadi esensial guna mengoptimalkan prestasi mereka dalam kompetisi. Tujuan: Penelitian ini bertujuan untuk menganalisis hubungan antara umur, jumlah jam latihan, dan pengalaman bermain dalam kompetisi dengan peringkat, kill death ratio (KDA), dan jumlah kemenangan atlet E-Sports menggunakan pendekatan OSEMN (Obtain, Scrub, Explore, Model, Interpret, and Communicate). Metode: Data diperoleh dari 300 atlet E-Sports professional maupun tidak, selama tiga tahun kebelakang yang terlibat dalam berbagai kompetisi. Variabel independen meliputi umur, jumlah jam latihan, dan pengalaman bermain dalam kompetisi, sedangkan variabel dependen mencakup peringkat, KDA, dan jumlah kemenangan. Data dikumpulkan, diproses, dan dieksplorasi untuk kemudian dianalisis menggunakan metode regresi linear berganda. Hasil: penelitian ini berhasil menerapkan metode analisis regresi dengan menggunakan framework OSEMN, mengidentifikasi variabel yang relevan, dan mengembangkan metode pengumpulan serta pengolahan data yang efektif Simpulan: model ini memiliki potensi untuk memberikan prediksi yang akurat terhadap data performa atlet E-Sport. Namun, penting untuk tetap mempertimbangkan faktor-faktor lain seperti konteks bisnis, pembandingan dengan model lain, dan validasi silang untuk mengonfirmasi keandalan hasil prediksi.

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: e-sports, osemn, performa, peringkat, regresi linear berganda.
Subjects: T Technology > T Technology (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Rahman Perpustakaan UNISM
Tanggal Setoran: 07 Nov 2023 01:28
Last Modified: 07 Nov 2023 01:28
URI: http://repository.unism.ac.id/id/eprint/2980

Actions (login required)

View Item View Item