Pengoptimalan Seleksi Tim PON Esports Mobile Legends Perwakilan Sumatera Utara Menggunakan Metode Algoritma Genetika dan Regresi Linear Berganda

Esports, atau olahraga elektronik, telah berkembang pesat dalam beberapa tahun terakhir dan menjadi salah satu industri yang paling dinamis di dunia hiburan. eSports melibatkan kompetisi video game yang terorganisir, dimana para pemain dan tim profesional bertanding dalam berbagai judul game yang populer seperti Mobile Legends, Dota 2, League of Legends, dan banyak lagi. Kompetisi eSports diselenggarakan secara global dan menarik jutaan penonton baik melalui platform streaming online maupun di arena-arena besar. Penelitian ini bertujuan untuk mengembangkan metode yang efektif untuk seleksi tim eSports Mobile Legends, khususnya dalam konteks tim PON Sumatera Utara, dengan menggabungkan regresi linear berganda dan algoritma genetika. Pendekatan ini diharapkan mampu menghasilkan seleksi pemain yang lebih objektif dan akurat berdasarkan performa individu dalam berbagai aspek permainan. Data performa pemain dikumpulkan dari hasil pertandingan yang mencakup variabel-variabel seperti Kill/Death/Assist (KDA), Gold per Menit, Turret Damage, Damage Diberikan, Damage Diterima, dan Kill Partisipasi. Variabel-variabel ini digunakan sebagai input dalam model regresi linear berganda untuk memprediksi hasil pertandingan. Model regresi yang dibangun menunjukkan hubungan signifikan antara variabel-variabel performa dan hasil pertandingan. Algoritma genetika kemudian diterapkan untuk mengoptimalkan seleksi tim berdasarkan koefisien regresi yang diperoleh. Parameter algoritma genetika yang digunakan meliputi ukuran populasi sebesar 500, jumlah generasi sebanyak 1500, crossover rate sebesar 0.4, dan mutation rate sebesar 0.6. Dua metode crossover, yaitu Extended Intermediate Crossover dan One-cut-point Crossover, digunakan secara acak, sementara metode mutasi yang digunakan adalah Reciprocal Exchange Mutation.Penelitian ini memberikan kontribusi yang signifikan dalam bidang seleksi tim eSports dan diharapkan dapat menjadi referensi bagi peneliti dan praktisi di bidang eSports serta analisis data olahraga.