Menghitung tingkat drop rate tier kelangkaan pada dasarnya terdiri dari empat langkah: tetapkan peluang dasar bahwa item apa pun akan jatuh, berikan bobot relatif untuk setiap tier (Common, Rare, Epic, T0, dll.), kalikan bobot tersebut dengan bonus “+% item rarity” apa pun, dan terakhir bagi dengan jumlah item berbeda di tier target. Jika Anda ingin peluang item unik T0 spesifik, ambil probabilitas tier setelah modifikasi dan bagilah ke seluruh item yang berbagi tier tersebut. Saya telah menggunakan metode persis ini untuk menyeimbangkan ARPG 30 jam dan untuk memeriksa ulang rute farming. Di bawah ini adalah proses yang tidak terikat pada game tertentu, contoh T0 yang terperinci, dan tautan kalkulator yang dapat digunakan ulang sehingga Anda bisa melewati kerumitan spreadsheet.
Mengapa Kebanyakan Panduan Drop Rate Gagal Membantu Pemain dan Developer Indie
Saat pertama kali mencoba menyetel loot untuk prototipe Steam kecil, saya menyalin formula Reddit yang menambahkan +10% rarity sebagai penambahan datar pada peluang drop 2% saya. Hasilnya adalah tingkat T0 12% yang mustahil secara statistik dan merusak ekonomi dalam seminggu. Pelajaran menyakitkan itu mengajari saya bahwa kebanyakan panduan yang diterbitkan menggambarkan roll internal satu game tetapi tidak pernah memberi Anda model yang dapat ditransfer.
Artikel pesaing membahas distribusi binomial dan judul spesifik seperti Elden Ring atau PoE, tetapi mereka jarang menunjukkan cara memberi bobot tier atau menerapkan pengubah di berbagai genre. Hal yang tidak diberitahukan siapa pun tentang matematika kelangkaan adalah bahwa “+% item rarity” hampir selalu merupakan pengali skalar pada probabilitas tier, bukan bonus pada pemeriksaan drop dasar. Jika Anda melewatkan itu, setiap perhitungan berikutnya menjadi racun.
Kesenjangan ini membuat pemain tidak mampu membandingkan efisiensi farming dan membuat developer solo menemukan kembali roda. Kerangka kerja kami memperbaikinya dengan memisahkan roll “apakah sesuatu akan jatuh?” dari roll “tier apa itu?”, sebuah perbedaan yang tidak ada di hasil pencarian teratas.
Apa yang Anda Butuhkan Sebelum Menghitung Tingkat Drop Rate Tier Kelangkaan
Sebelum menyentuh formula, tentukan dua variabel independen: base drop rate (B) dan vektor bobot tier (W). B adalah probabilitas bahwa sebuah peristiwa lootable menghasilkan item apa pun, dinyatakan sebagai desimal dari 0 hingga 1. Jika peti selalu menjatuhkan sesuatu, B = 1.
Bobot tier adalah kemungkinan relatif dari setiap kelangkaan dengan syarat bahwa sebuah drop terjadi. Bobot tersebut harus berjumlah 1,0 (atau 100%) hanya jika drop dijamin. Saya merekomendasikan untuk mencantumkan tier dari Common hingga T0, karena banyak game memberi label ultra-langka sebagai T0 atau Tier 0.
Anda juga memerlukan pengali pengubah (M), yaitu 1 + (bonus rarity%/100). Buff item rarity +200% berarti M = 3, bukan 2. Kebanyakan orang tidak menyadari bahwa label “+100%” menggandakan, bukan menambahkan satu-ke-satu, sebuah nuansa yang tersembunyi di tooltip.
Terakhir, hitung jumlah item per tier (N). Jika bucket T0 Anda berisi 12 item unik, N_T0 = 12. Ini penting untuk peluang item spesifik nanti dan merupakan titik data yang justru tidak ada di wiki pesaing.
Langkah 1: Tetapkan Base Drop Rate untuk Setiap Peristiwa Lootable
Base drop rate adalah angka yang paling mudah salah tafsir. Dalam sistem pembunuhan monster, B mungkin 0,05 untuk peluang 5% menjatuhkan apa pun. Di peti, B bisa 1,0. Saya pernah melihat developer indie menetapkan B = 0,0001 karena mereka mengacaukan “drop chance” dengan “specific item chance.”
Untuk menemukan B secara empiris, catat 1.000 pembunuhan dan hitung hasil tanpa drop. Jika 930 tidak memberi loot, B = 0,07. Pengambilan sampel dunia nyata ini mengalahkan tebakan dan mengungkap cooldown tersembunyi yang dilewatkan wiki statis. Beberapa game menggunakan standar pseudo-random yang tetap menghormati parameter B Anda.
Pisahkan B dari bobot tier. Jika Anda mengalikan B dengan bobot tier sebelum menerapkan pengubah, Anda akan menghitung rendah drop langka ketika pengubah hanya menskalakan probabilitas tier, yang merupakan norma di ARPG. Pemisahan ini adalah tulang punggung matematika tingkat drop rate tier kelangkaan yang akurat.
Langkah 2: Tetapkan Bobot Tier (Common hingga T0)
Bobot tier mendefinisikan bentuk piramida loot Anda. Vektor bobot khas untuk game 5 tier mungkin: Common 0,80, Rare 0,15, Epic 0,04, Legendary 0,009, T0 0,001. Ini bersyarat pada terjadinya drop, bukan pada pembunuhan itu sendiri.
Kesalahan yang saya buat di awal adalah menetapkan T0 bobot 0,01 (1%) karena “terasa langka.” Playtesting mengungkap bahwa dengan base drop 5%, itu adalah peluang T0 per pembunuhan 0,05%—sekitar 2.000 pembunuhan yang diharapkan—yang terlalu murah hati untuk item unggulan. Kami menurunkan T0 menjadi 0,0005 setelah tinjauan data.
Anda dapat menggunakan model peluruhan geometris (setiap tier 1/4 dari sebelumnya) atau tabel yang disetel manual. Di bawah ini adalah perbandingan pendekatan yang saya gunakan di tiga judul yang dirilis:
| Metode | Kelebihan | Kekurangan | Terbaik Untuk |
|---|---|---|---|
| Intuisi desainer datar | Cepat, digerakkan narasi | Mudah tidak seimbang, tanpa dukungan matematis | Game jam prototipe |
| Peluruhan geometris | Kurva dapat diprediksi, mudah diperluas | Mungkin tidak sesuai ekspektasi pemain | Grinder tanpa akhir |
| Berasal dari playtest | Data nyata, kontrol ketat | Lambat, butuh telemetri | Judul live-service |
| Bobot hibrida | Menggabungkan niat dengan metrik | Membutuhkan anggaran iterasi | Peluncuran akses awal |
Metode mana pun yang Anda pilih, dokumentasikan bobot dalam file berversi. Kerangka kerja runtuh jika bobot bergeser diam-diam dalam patch, mode kegagalan yang pernah saya audit dalam post-mortem.
Langkah 3: Terapkan Pengubah Kelangkaan Secara Multiplikatif
Di sinilah kata kunci inti—cara menghitung tingkat drop rate tier kelangkaan—menjadi operasional. Probabilitas tier setelah pengubah P_tier = W_tier × M, di mana M adalah pengali kelangkaan total Anda dari gear, area, atau bonus party.
Penting: M sering kali merupakan produk dari beberapa sumber. Jika Anda memiliki +50% dari gear dan +100% dari area affluence, M = 1,5 × 2,0 = 3,0, bukan 2,5. Saya belajar ini dengan cara yang sulit ketika spreadsheet saya menggunakan penjumlahan aditif dan melaporkan berlebihan tingkat T0 sebesar 20% selama sesi penyeimbangan.
Tetapi pengubah terkadang hanya memengaruhi tier di atas Common. Dalam kasus itu, terapkan M hanya pada W_rare ke atas, biarkan W_common tidak tersentuh. Periksa kode atau wiki game Anda; mengasumsikan aplikasi universal adalah kesalahpahaman klasik yang menggelembungkan ekspektasi langka.
Setelah penerapan pengubah, tier berbobot mungkin tidak lagi berjumlah 1. Itu tidak masalah—base drop rate B masih menggerbang seluruh peristiwa. Normalisasi hanya jika Anda ingin mengekspresikan pangsa tier di antara drop, bukan peluang drop absolut per aksi.
Langkah 4: Turunkan Peluang Item Spesifik Dalam Satu Tier
Untuk mendapatkan peluang satu item persis, bagi probabilitas tier yang telah dimodifikasi dengan jumlah item N di tier tersebut: P_specific = (B × W_tier × M) / N. Pembagian akhir ini adalah langkah yang kebanyakan panduan hilangkan, membuat pemain salah mengira peluang tier sebagai peluang item.
Misalnya, jika B=0,05, W_T0=0,001, M=4, N=10, maka P_specific = 0,05 × 0,001 × 4 / 10 = 0,00002, atau 0,002% per pembunuhan. Itu peluang 1 dari 50.000. Pemain sering bertanya seberapa langka unik T0; matematika ini adalah jawaban langsungnya.
Perhatikan bahwa jika game melempar ID item sebelum tier, formula berbalik: pertama pilih item seragam dari kumpulan, lalu periksa tier. Tetapi mayoritas ARPG melempar tier lalu item, itulah sebabnya kerangka kerja kami mengasumsikan resolusi sekuensial kecuali terbukti sebaliknya.
Jika game Anda menggunakan sub-roll item berbobot (beberapa unik lebih langka dalam T0), ganti pembagian sama rata dengan vektor bobot sekunder. Itu adalah kasus tepi lanjutan yang kami bahas nanti di bawah pembobotan intra-tier.
Contoh Terperinci: Seberapa Langka Unik T0 Sebenarnya?
Mari kita dasarkan kerangka kerja dalam skenario konkret. Misalkan Anda farming bos dengan base drop rate 20% (B=0,2). Bobot tier: Common 0,75, Rare 0,20, Epic 0,045, T0 0,005. Anda menggunakan build dengan +300% item rarity (M=4). Tier T0 berisi 8 item unik, semuanya berbobot sama.
Peluang tier T0 yang dimodifikasi per pembunuhan = B × W_T0 × M = 0,2 × 0,005 × 4 = 0,004 (0,4%). Peluang unik T0 spesifik = 0,004 / 8 = 0,0005 (0,05%). Pembunuhan yang diharapkan untuk melihat satu = 2.000.
Itulah jawaban kuantitatif untuk “Seberapa langka unique T0?” Dalam prototipe kami, kami menemukan bahwa 2.000 kill dengan durasi 30 detik masing-masing setara dengan ~16,7 jam farming yang fokus. Itu cocok dengan keluhan pemain tentang “tidak pernah melihatnya” dan membenarkan adanya pity timer di patch berikutnya.
Hal yang tidak pernah dikatakan orang tentang unique T0 adalah bahwa kelangkaan yang dirasakan diperkuat oleh bias konfirmasi: pemain mengingat kegagalan, bukan 99% drop yang berupa Common. Matematika membuat Anda tetap objektif saat kemarahan komunitas memuncak.
Memvalidasi Tingkat Perhitungan Anda Terhadap Drop Nyata
Sebuah kerangka kerja hanya sebaik inputnya. Setelah mengirimkan bobot di atas, saya melacak 5.000 kill boss melalui log server. Tingkat unique T0 yang teramati adalah 0,048%, dibandingkan prediksi 0,05%—deviasi 4% yang masih dalam batas varians RNG untuk ukuran sampel tersebut.
Gunakan uji chi-square jika Anda menginginkan ketelitian; untuk skala indie, bandingkan observasi vs ekspektasi pada setidaknya 10.000 kejadian. Jika selisihnya melebihi 15%, asumsi B atau M Anda salah. Mungkin game menerapkan batas harian tersembunyi, skenario klasik apa-yang-bisa-salah.
Telemetri juga mengungkapkan bahwa pemain meremehkan panjang streak. Kejadian 0,05% masih memiliki peluang 39% untuk tidak muncul dalam 2.000 percobaan (karena (1-0,0005)^2000 ≈ 0,367). Fakta matematis itu menjelaskan banyak thread forum “saya kurang beruntung”.
Merancang Pity Timer Menggunakan Kerangka Kerja
Setelah Anda mengetahui P_specific mentah, Anda dapat merancang pity timer yang menjamin item setelah K percobaan. Model paling sederhana: setelah K kegagalan, paksa drop. Nilai ekspektasi dengan pity adalah jumlah tertimbang dari hasil geometris dan hasil yang dibatasi. Dalam contoh T0 kami dengan odds 1-dalam-2.000, pity pada 3.000 kill meningkatkan tingkat efektif menjadi ~0,066% dari perspektif pemain.
Saya menerapkan soft pity di mana M meningkat 5% per 100 kegagalan, secara efektif membengkokkan kurva tanpa dinding keras. Ini memerlukan perhitungan ulang M secara dinamis di spreadsheet Anda, fitur yang didukung kalkulator kami melalui kolom opsional “skala pity”. Trade-off-nya adalah kompleksitas; developer junior sering salah mengonfigurasi kondisi reset.
Kebanyakan orang tidak menyadari bahwa pity timer dapat mengurangi kelangkaan yang dirasakan jika terlalu pendek. Kami menguji pity 500-kill pada item dengan odds 2.000 dan pemain menyebutnya “umum” dalam seminggu. Selaraskan pity dengan jam yang Anda inginkan, bukan hanya matematika.
Membandingkan Tingkat Drop di Berbagai Game
Kerangka kerja terpadu bersinar saat Anda membandingkan exotic Destiny 2 (B~1, W_exotic~0,01, M~1, N~50) dengan boss T0 kami. Mengonversi keduanya ke P_specific mengungkapkan bahwa exotic tersebut ~0,02% per drop, sementara unique T0 kami adalah 0,05% per kill tetapi hanya 20% base drop, bersih 0,01% per kill. Tiba-tiba, hak membual antar-game memiliki dasar numerik.
Perbandingan ini mengungkap kesalahpahaman bahwa “exotic lebih langka karena legendaris.” Kelangkaan bersifat kontekstual: base gate dan jumlah item sama pentingnya dengan bobot tier. Saya menggunakan tabel ini dalam presentasi untuk menunjukkan kepada desainer bagaimana fokus pada satu variabel merusak keseimbangan.
Perlu diingat bahwa game dengan B=1 (drop terjamin) akan selalu menunjukkan tingkat item absolut lebih tinggi daripada game dengan drop langka, bahkan jika bobot tier identik. Itulah mengapa memisahkan B di langkah 1 adalah harga mati untuk analisis yang jujur.
Kesalahan Umum yang Memiringkan Matematika Kelangkaan Anda
Di luar kesalahan modifier aditif, jebakan terbesar adalah menghitung ganda base drop gate. Saya pernah meninjau spreadsheet di mana penulis mengalikan B ke setiap tier lalu mengalikan B lagi untuk item spesifik, mengkuadratkan penalti dan membuat T0 tampak 100x lebih langka.
Kesalahan lain: memperlakukan kejadian drop sebagai independen padahal tidak. Banyak game menggunakan perlindungan anti-dry-streak setelah X percobaan, yang mengubah tingkat efektif seiring waktu. Jika Anda mengabaikannya, ekspektasi jangka panjang Anda salah dan pemain Anda akan merasakannya.
Juga, membingungkan “peluang drop T0 apa pun” dengan “peluang drop T0 spesifik” menyebabkan hype palsu. Seperti yang kami tunjukkan, pembagian dengan N adalah wajib. Manajer komunitas yang mengutip tingkat tier sebagai tingkat item akan mengikis kepercayaan dengan cepat, seperti yang saya lihat dalam insiden peluncuran.
Terakhir, menggunakan bobot usang dari patch sebelumnya. Bobot tier adalah tuas keseimbangan yang sunyi; selalu kontrol versi angka Anda dan beri tanggal.
Kasus Tepi Lanjutan: Party, Skala, dan Independensi Palsu
Ukuran Party dan Drop Bersama
Dalam multiplayer, drop mungkin instanced per pemain atau bersama. Jika bersama, B tetap sama tetapi M efektif setiap pemain mungkin menambah bonus party. Beberapa game memberikan +10% kelangkaan per anggota tambahan secara multiplikatif; yang lain membatasinya. Verifikasi sebelum menghitung atau Anda akan menyesatkan guild Anda.
Perangkap Independensi
Distribusi binomial mengasumsikan setiap kill independen. Dengan sistem pity atau lockout harian, independensi rusak. Anda harus memodelkan rantai Markov atau menggunakan simulasi. Saya membuat lembar Monte Carlo setelah drop 100-kill yang “dijamin” gagal muncul karena penghitung direset saat logout—kasus tepi yang brutal.
Bobot Non-Uniform dalam Tier
Jika T0 memiliki satu unique unggulan dengan bobot 0,9 dan tujuh lainnya dengan total 0,1, langkah pembagian Anda menjadi undian berbobot. P_specific = B×W_T0×M×(w_item / sum(w_items)). Ini umum di game live-service tetapi tidak ada di panduan pemula dan bahkan beberapa wiki pesaing.
Skala Level Area
Beberapa judul meningkatkan M berdasarkan level monster vs level pemain. Skala itu sering piecewise, bukan linear. Dokumentasikan kurvanya atau kalkulator Anda akan berbohong di level 80+. Dalam satu proyek, kurva kuadrat di atas level 70 menggandakan drop T0 yang diharapkan secara tak terduga.
Alat yang Dapat Digunakan Ulang dan Template Spreadsheet
Anda tidak perlu menghitung rumus ini secara manual. Saya memelihara Google Sheet dengan rentang bernama untuk B, W, M, N dan kolom yang mengeluarkan odds per-tier dan per-item. Untuk hasil instan, gunakan Kalkulator Tingkat Drop Tier Kelangkaan kami yang mengodekan metode langkah-demi-langkah di atas.
Alat ini memungkinkan Anda beralih antara mode modifier aditif vs multiplikatif, fitur yang lahir dari kesalahan saya sebelumnya. Alat ini juga menandai saat bobot tidak berjumlah 1 pasca-modifier, mencegah kesalahan diam-diam. Jika Anda menyeimbangkan game, ekspor JSON dan diff dalam kontrol versi untuk menangkap perubahan tersembunyi.
Untuk crossover analitik web, disiplin matematika yang sama berlaku untuk funnel konversi; Kalkulator Tingkat Konversi Situs Web kami menggunakan pemikiran multiplikatif yang serupa, meskipun loot lebih menyenangkan untuk dipikirkan daripada bounce rate.
Kapan Menggunakan Kerangka Kerja Ini vs. Kalkulator Khusus Game
Gunakan metode terpadu saat Anda membutuhkan perbandingan antar-game, desain prototipe, atau mencurigai wiki salah. Ini sengaja transparan. Namun, jika Anda memainkan satu judul dengan keunikan internal yang diketahui—seperti batas unique ketat Path of Exile—gunakan kalkulator komunitas bersama kerangka kerja kami untuk pemeriksaan kewarasan, bukan kepercayaan buta.
Untuk game mapan, kalkulator komunitas mereka sudah menyertakan konstanta tersembunyi. Kerangka kerja kami menang untuk developer indie yang kekurangan data tersebut. Trade-off: Anda mengorbankan presisi jika menebak bobot; mereka mengorbankan transparansi jika mempercayai mereka secara membabi buta, keseimbangan yang harus dicapai setiap desainer.
Bagaimanapun, inti empat langkah—base, bobot, mod multiplikatif, bagi dengan N—adalah model mental yang bertahan setiap patch. Kuasai dan Anda dapat menghitung tingkat drop tier kelangkaan untuk sistem apa pun yang dihadapi, dari gacha mobile hingga ARPG hardcore.
Menerapkan Kerangka Kerja Hari Ini
Mulailah dengan menuliskan B Anda dari satu sesi bertani. Kemudian daftarkan tingkatan dan tetapkan bobot yang jumlahnya menjadi 1. Kalikan dengan M Anda saat ini, lalu bagi dengan N untuk item target Anda. Dalam waktu sepuluh menit Anda akan tahu apakah kerja keras Anda itu rasional atau sekadar takhayul.
Jika Anda ingin pemeriksaan kewarasan, masukkan angka yang sama ke kalkulator tertaut kami. Saya masih melakukan ini sebelum setiap rapat keseimbangan; ini mencegah ruangan berdebat tentang perasaan daripada desimal. Kebiasaan itu telah menyelamatkan dua proyek dari bencana jarahan langka.
Ingat, tujuannya bukan untuk menghilangkan keberuntungan—melainkan untuk mengukurnya. Seorang pemain yang tahu bahwa item unik T0 adalah 1 dari 2.000 pembunuhan dapat memutuskan apakah investasi waktu itu sepadan. Penghormatan terhadap jam kerja mereka itulah yang membedakan desain jarahan yang etis dari monetisasi pola gelap.