Zo werkt de MMR checker

Samenvatting

De LoLValue MMR checker combineert tot drie onafhankelijke signalen uit openbare data van Riot: je rank en winrate, de gemiddelde rating van de lobby's waarin je werd gekoppeld, en de LP die je tussen twee checks echt hebt gewonnen. Elk signaal wordt een getal op één gedeelde MMR-schaal, de signalen worden gecombineerd met gewichten die afhangen van hoeveel data erachter zit, en het resultaat krijgt een foutmarge en een label voor de betrouwbaarheid.

Niets op deze pagina gebruikt privédata. Elk getal komt van endpoints die elke developer met een Riot API key kan aanroepen, wat ook betekent dat iedereen die de stappen hieronder volgt de schatting kan reproduceren.

Stap 1: één MMR-schaal voor elke rank

Ranks worden omgezet in getallen op een lineaire schaal waarop Iron IV met 0 LP gelijk is aan 0, elke tier 500 punten waard is, elke divisie 125 en elke LP 1,25. Master begint bij 3.500 en vanaf daar loopt de schaal alleen met LP verder, dus een Master-speler met 400 LP zit op 4.000, en Grandmaster en Challenger zijn gewoon Master met meer LP.

MMR(rank) = 500 × tier_index + 125 × division_index + 1.25 × LP

tier_index:     Iron 0, Bronze 1, Silver 2, Gold 3, Platinum 4, Emerald 5, Diamond 6
division_index: IV 0, III 1, II 2, I 3
apex:           Master, Grandmaster, Challenger = 3500 + 1.25 × LP

De interne rating van Riot staat niet op deze schaal en niemand buiten Riot kent het exacte bereik. De schaal bestaat zodat elk signaal te vergelijken is en de uitkomst terug te vertalen is naar een rank die je herkent. Elke lineaire schaal zou dezelfde oordelen geven; deze is gekozen omdat 100 LP precies één divisie is.

Stap 2: methode A, rank en winrate

Methode A geeft het directe antwoord. Hij vertrekt van de MMR van je zichtbare rank en verschuift die met je winrate in die queue, gewogen naar het aantal games waarop die winrate rust. Een winrate van 50% laat de MMR van je rank ongemoeid. Een winrate ruim boven 50% over veel games duwt de schatting boven je badge, omdat de matchmaker je al hoger inschat dan je rank laat zien.

confidence = min(1, games / 50)
adjust     = (winrate − 0.50) × 1500 × confidence
adjust     = clamp(adjust, −250, +250)

MMR_A = MMR(rank) + adjust

Uitgewerkt voorbeeld: Gold II, 40 LP, 58% winrate over 80 games. MMR(rank) = 1.500 + 250 + 50 = 1.800. De confidence is 1, omdat 80 games meer is dan 50. De aanpassing is (0,58 − 0,50) × 1.500 = +120, dus MMR_A = 1.920, ongeveer twee derde van een divisie boven de badge.

De grens van ±250 bestaat omdat een winrate een bot instrument is. Een winrate van 70% over 20 games zou anders twee hele tiers claimen, terwijl het meestal om een smurf gaat die nog aan het begin van zijn klim staat. Methode A wordt nooit gebruikt voor queues zonder rank (Normal, Swiftplay, ARAM). Vanaf Master draait hij nog wel, met als MMR van de rank 3.500 plus 1,25 per LP.

Stap 3: methode B, het lobbygemiddelde

Methode B is het sterkste signaal. De matchmaker stelt elke lobby samen uit spelers met een verborgen MMR dicht bij de jouwe, dus de ranks van de mensen met wie je werd gekoppeld zijn de beste openbare meting van je eigen rating. De checker leest je laatste tien games in de gekozen queue, zoekt de rank op van elk van de andere negen spelers en maakt van elke lobby één getal.

Per lobby

• Elk van de negen andere spelers wordt met de schaal hierboven omgezet in MMR, met hun rank in de queue die wordt geanalyseerd, of hun andere ranked queue als ze daar geen rank hebben. Spelers zonder enige rank worden overgeslagen.
• Een lobby met minder dan vier spelers met een rank valt af: te weinig punten om hem te beschrijven.
• Met zes of meer spelers met een rank worden de hoogste en laagste waarde weggelaten voordat het gemiddelde wordt berekend (een getrimd gemiddelde), zodat één smurf of één account met decay de lobby niet verschuift.

Over alle lobby's

weight(game) = 0.92 ^ recency × (ranked_seen / 9)

MMR_B = Σ lobby_mmr × weight / Σ weight

recency: 0 voor de meest recente game, 1 voor de game daarvoor, enzovoort
ranked_seen: aantal van de negen andere spelers dat een rank had

Door de weging naar recentheid telt de meest recente game ongeveer twee keer zo zwaar als de tiende. De factor ranked_seen laat een lobby waarin alle negen spelers een rank hadden zwaarder tellen dan een lobby waarin dat er maar vijf waren. Tien games is de standaardsteekproef; het is een compromis tussen snelheid en stabiliteit, en het aantal kan op de server omhoog zonder dat er verder iets verandert.

Methode B heeft één systematische afwijking om rekening mee te houden: ranks lopen achter op MMR. In de eerste weken van een seizoen zit ieders badge onder zijn rating, dus lobbygemiddelden vallen voor iedereen te laag uit. Het oordeel (boven of onder je badge) verandert daardoor niet, omdat je eigen rank op dezelfde manier achterloopt.

Stap 4: methode C, geobserveerde LP

Methode C gebruikt het enige wat Riot je wel over je MMR vertelt: hoeveel LP je per win krijgt. Elke check slaat een momentopname op van je rank, LP, wins en losses. Zijn er bij je volgende check minstens drie games gespeeld sinds een momentopname die ouder is dan dertig minuten, dan berekent de checker je echte LP per win en zet die om in een verschil tussen je MMR en je badge.

ladder(rank) = totale LP vanaf Iron IV 0 LP (100 per divisie)
gain_per_win = (Δladder + Δlosses × 42) / (Δwins + Δlosses)

geldig als er 3+ games gespeeld zijn en 8 ≤ gain_per_win ≤ 40

gap_C = (gain_per_win − 21) × 18

De 42 in de eerste formule is de aangenomen som van één win en één loss in LP (21 + 21). Daardoor kan de formule winst en verlies uit elkaar halen terwijl ze alleen het netto verschil ziet. De tweede formule is de omkering van de LP-voorspelling die hieronder staat: bij een verschil van nul is de verwachte winst 21 LP, en elke 18 MMR verschil schuift die met één LP op.

Uitgewerkt voorbeeld: tussen twee checks ging een speler van Gold II 40 LP naar Gold I 20 LP (+80 LP op de ladder) met 6 wins en 3 losses. gain_per_win = (80 + 3 × 42) / 9 = 22,9 LP. gap_C = (22,9 − 21) × 18 = +34 MMR, dus zijn MMR ligt iets boven zijn badge. Het signaal wordt alleen gebruikt in ranked queues onder Master (apex tiers hebben geen divisies om af te vlakken), en het wordt weggegooid als de getallen nergens op slaan, bijvoorbeeld na een demotion shield of rank decay.

Stap 5: de signalen combineren

De drie getallen worden gecombineerd met gewichten die groeien met de hoeveelheid data achter elk ervan. Het lobbygemiddelde krijgt tot 70% van de mix zodra er tien lobby's gelezen zijn; met minder lobby's krimpt zijn aandeel en vult methode A de rest aan. Geobserveerde LP, als die er is, trekt het resultaat daarna een kwart van de weg naar de waarde die eruit volgt.

w_B    = min(0.70, lobbies_read / 12 × 0.70)
MMR_AB = MMR_B × w_B + MMR_A × (1 − w_B)

als geobserveerde LP beschikbaar is:
    MMR    = MMR_AB × 0.75 + (MMR(rank) + gap_C) × 0.25
anders:
    MMR    = MMR_AB

Daarom verandert het getal op de resultaatpagina in de eerste seconden: het directe antwoord is alleen methode A, en met elke gelezen lobby schuift de mix richting methode B. De pagina toont een voorlopig oordeel tot de analyse klaar is, zodat een tijdelijke omslag niet als eindantwoord wordt gelezen.

Stap 6: foutmarge en betrouwbaarheid

Elke schatting wordt getoond als een waarde plus of min een marge. Die marge is geen statistisch betrouwbaarheidsinterval; het is een gekalibreerde speling die kleiner wordt naarmate er meer onafhankelijke data in de mix komt.

margin = 170                          met alleen methode A
margin = 150 − 8 × min(12, lobbies)   zodra er lobby's gelezen zijn
margin = margin − 10                  als geobserveerde LP beschikbaar is
margin = max(margin, 45)

confidence: hoog als margin ≤ 70, gemiddeld als ≤ 110, anders laag

Leg je de marge naast het verschil tussen je schatting en je badge, dan volgt het oordeel: een verschil van minstens +60 MMR wordt getoond als "boven je rank", een verschil van −60 of minder als "onder je rank", en alles daartussen als "MMR en rank komen overeen". Zestig MMR is een halve divisie, het kleinste verschil dat je LP per win meer verandert dan de ruis tussen twee games.

Stap 7: LP per win en games tot de volgende divisie voorspellen

De LP-voorspelling zet het verschil tussen je geschatte MMR en je badge om in verwachte LP per win en per loss. Bij een verschil van nul gaat de checker uit van een symmetrische 21 LP. Elke 18 MMR positief verschil voegt één LP toe aan een win en haalt er één af van een loss, binnen een bereik van 10 tot 35 LP.

shift    = gap / 18
LP_win   = clamp(round(21 + shift), 10, 35)
LP_loss  = clamp(round(21 − shift), 10, 35)

games_to_next_division(winrate) = kleinste n waarvoor
    LP + n × (winrate × LP_win − (1 − winrate) × LP_loss) ≥ 100

wins_in_a_row = ceil((100 − LP) / LP_win)

Uitgewerkt voorbeeld: een schatting van 1.920 tegenover een Gold II-badge op 1.750 geeft een verschil van +170. shift = 9,4, dus LP_win = 30 en LP_loss = 12. Vanaf 40 LP is elke game bij een winrate van 55% gemiddeld 0,55 × 30 − 0,45 × 12 = 11,1 LP waard, dus Gold I ligt ongeveer zes games verderop; twee wins op rij zouden ook volstaan.

De constanten 21 en 18 zijn afgestemd op de LP per win die spelers van Gold tot Diamond in het huidige seizoen melden. Dit is het deel van het model dat het snelst kan veranderen: als Riot de LP-winst aanpast, worden deze twee getallen opnieuw afgestemd en wordt deze pagina bijgewerkt met de nieuwe waarden.

Stap 8: percentiel

Het percentiel beantwoordt de vraag "welk deel van de ranked spelers zit onder deze MMR". Het komt uit onze eigen dagelijkse telling van elke ranked Solo/Duo-speler in elke regio, dezelfde data die op de pagina LoL rank distribution staat.

• Elke divisie van Iron IV tot Diamond I wordt één punt: de ondergrens op de MMR-schaal en het aandeel spelers daaronder.
• Master begint bij 3.500. Grandmaster en Challenger beginnen bij 3.500 plus 1,25 MMR per LP van de laagste Grandmaster- en Challenger-speler van die dag, zodat hun ondergrens de echte cut-offs volgt.
• Tussen twee punten wordt het percentiel lineair geïnterpoleerd.

De tabel wordt opnieuw opgebouwd telkens als er een nieuwe dagelijkse telling is opgeslagen. Hij beïnvloedt alleen de regel met het percentiel in het resultaat; de MMR-schatting, het oordeel en de LP-voorspelling hangen er niet van af. Zolang er nog geen eerste telling is, valt de checker terug op een benaderende tabel.

Bekende grenzen en afwijkingen

Een eerlijke checker zegt waar hij de mist in gaat. Dit zijn de gevallen waarin de schatting van LoLValue het minst betrouwbaar is.

De rating die Riot gebruikt is niet openbaar, dus er is geen absolute waarheid om tegen te meten. De beste beschikbare controle is consistentie: hetzelfde account, op dezelfde dag opgevraagd bij verschillende tools die op lobby's werken, komt binnen ongeveer één divisie uit, en het signaal van de geobserveerde LP, de eigen feedback van Riot, klopt bij de grote meerderheid van de tweede checks met de gecombineerde schatting.

Data, caching en rate limits

De checker leest alleen openbare data uit de Riot API: het account achter een Riot ID, de ranked entries van dat account, de lijst met recente matches en de deelnemers aan elke match. Je hoeft niet in te loggen en er komen geen wachtwoord, e-mail of clientdata aan te pas.

• De rank van elke speler die in een lobby wordt gezien, blijft zes uur in de cache, zodat de lobbygenoten van een populaire speler niet bij elke check opnieuw worden opgevraagd.
• Een afgerond resultaat blijft vijf minuten in de cache; check je hetzelfde account binnen die tijd twee keer, dan krijg je meteen hetzelfde antwoord.
• Momentopnames (rank, LP, wins, losses en de schatting op het moment van de check) worden opgeslagen, zodat de methode met geobserveerde LP bij de volgende check kan werken en de pagina je MMR-geschiedenis kan tonen.
• Elk IP-adres kan twaalf checks per minuut doen en de server analyseert vier accounts tegelijk, zodat de tool voor iedereen binnen de API-limieten van Riot blijft.
• Eén keer per dag telt de server ook de spelers in elke tier en divisie van de Solo/Duo-ladder van elke regio. Die telling voedt het percentiel en de pagina met de rank distribution.

Wil je de schatting zelf reproduceren, dan volstaan de stappen op deze pagina: elke developer met een Riot API key kan dezelfde endpoints aanroepen en dezelfde formules toepassen. Daarom publiceren we ze.

Wijzigingen

• September 2026. Het percentiel gebruikt niet langer een benaderende tabel maar onze dagelijkse telling van elke ranked Solo/Duo-speler (zie de rank distribution).
• September 2026. Methode gepubliceerd. Mix van drie signalen, voorlopig oordeel tijdens de analyse, ARAM checker op een eigen pagina.

Wijzigingen aan de formules staan hier met de datum waarop ze live gingen, zodat je een resultaat van voor een wijziging kunt lezen met de regels die het opleverden.

Veelgestelde vragen over de methode

Hoe wordt MMR berekend in League of Legends?

De MMR van Riot zelf is een verborgen rating die na elke game verschuift, afhankelijk van de uitslag en hoe waarschijnlijk die was. Riot publiceert de formule en het getal niet. Checkers zoals deze schatten hem uit openbare data: je rank en winrate, de ranks van de spelers met wie je wordt gekoppeld en de LP die je per win krijgt.

Welk signaal telt het zwaarst?

Het lobbygemiddelde. De matchmaking zet je bij spelers met een vergelijkbare MMR, dus de ranks van je recente lobby's beschrijven je rating beter dan je badge. Het krijgt tot 70% van de mix zodra er tien games gelezen zijn.

Waarom veranderde mijn getal terwijl de pagina laadde?

Het eerste antwoord gebruikt alleen rank en winrate. Met elke recente game die wordt gelezen, neemt het lobbygemiddelde het over, dus het getal beweegt en het oordeel kan omslaan. De pagina toont een voorlopig label tot de analyse klaar is.

Waarom tonen verschillende MMR-sites verschillende getallen?

Elke site gebruikt een eigen schaal en een eigen mix van signalen. Twee tools die op lobby's werken, liggen meestal binnen één divisie van elkaar; een site die alleen je rank en winrate leest, kan verder afwijken. Vergelijk de rank waar het getal bij hoort, niet het kale getal.

Is de marge een echt betrouwbaarheidsinterval?

Nee. Het is een gekalibreerde speling die kleiner wordt met de hoeveelheid gelezen data: ±170 MMR met alleen rank en winrate, ongeveer ±70 met tien lobby's, op zijn best ±45. Lees het als "de echte waarde ligt zeer waarschijnlijk binnen dit bereik", niet als een formele statistiek.

Hoe weet de checker hoeveel LP ik per win krijg?

Hij voorspelt het uit het verschil tussen je geschatte MMR en je badge: 21 LP bij een verschil van nul, plus één LP per 18 MMR verschil, tussen 10 en 35. Vanaf je tweede check leest hij ook de LP die je echt hebt gewonnen en neemt die mee in de schatting.

Waarom wordt ARAM als een ranked rank getoond?

ARAM heeft geen eigen rank, dus de enige openbare manier om een ARAM-lobby te beschrijven is met de Solo/Duo- of Flex-ranks van de spelers erin. Het ARAM-resultaat is het ranked-equivalent van het niveau van je lobby's.

Gebruikt de checker privé- of clientdata?

Nee. Alles komt van openbare endpoints van de Riot API: account opzoeken, ranked entries, lijsten met matches en deelnemers aan matches. Je hoeft niet in te loggen.

Kan ik de schatting zelf reproduceren?

Ja. De schaal, de drie methodes, de gewichten van de mix en de regels voor de marge staan allemaal op deze pagina. Met een Riot developer key en dezelfde endpoints krijg je hetzelfde getal.

Hoe vaak worden de formules bijgewerkt?

Telkens als Riot de LP per win of de ranked-structuur verandert, worden de LP-constanten opnieuw afgestemd en komt de wijziging met datum in de lijst met wijzigingen op deze pagina.