Semakin berjalannya waktu, Wild Rift terus berkembang semenjak perilisan open beta di bulan September tahun lalu. Dengan perkembangan tersebut, tentunya Riot Games juga harus terus memperhatikan masalah balancing champions mereka untuk game ini.
Dalam postingan mereka kemarin, kita diberi penjelasan bagaimana sistem balancing champions ini bekerja. Riot Games menjelaskan kalau masalah ini dipecahkan melalui suatu framework untuk menentukan siapa champions yang akan mendapatkan buff atau nerf.
BACA JUGA: Riot Games Jawab Kenapa Fitur Ban Belum Ada di Patch 2.2
Framework ini berjalan menggunakan data angka persenan yang dimiliki oleh para championsnya. Dari mulai winrate, pick rate sampai ke performanya di setiap MMR/rank, setiap champions akan memiliki data angka persenan, dan disitulah balancing dilakukan.
Disini, kita akan menjelaskan apa maksud dari angka persenan tersebut dan apa pengaruhnya terhadap para champions. Kita akan mengambil contoh kasus dari beberapa hero dan menjelaskannya dari situ,
- Jika Dr. Mundo memiliki 53% winrate namun hanya memiliki 1% pick rate maka Riot tidak akan memberikan nerf
- Jika Master Yi memiliki 56% winrate di MMR bawah dan dibawah 50% winrate di MMR atas maka Riot akan memberikan nerf
- Jika Lee Sin memiliki 47% winrate di semua MMR dan memiliki 3% pick rate maka Riot tidak akan memberikan buff, Champions dengan high skill cap seperti Lee Sin terkadang menjadi menakutkan jika pilotnya bisa menggunakannya, itu kenapa champions seperti Lee Sin nyaman berada di angka sekitaran 50%
- Jika Xayah memiliki 46% winrate di semua MMR, maka Riot akan memberikan buff
Cukup rumit, namun jika kalian membacanya berkali-kali, maka kalian akan mulai mengerti. Riot Games melakukan hal ini untuk membuat ekosistem Wild Rift agar lebih adil pada setiap MMR/rank yang ada. Keluhan masalah champions yang over power mungkin menjadi yang paling sering didapatkan developer game seperti ini.
Patch 2,2 mungkin akan menjadi perawalan sistem ini digunakan, karena Riot Games sendiri sebelumnya menggunakan metode lain. Metode framework ini baru diciptakan dan kita akan melihat bagaimana hasilnya pada update besar mendatang.