Syatiri, M. Hadi (2025) Studi Komparasi Algoritma Random Forest dan Support Vector Machine untuk Klasisifikasi Performa Pemain Sepak Bola Berdasarkan Kontribusi Gol (TA.2.25.010). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Klasifikasi performa pemain sepak bola menjadi salah satu tantangan penting dalam dunia olahraga modern, terutama dalam membantu pelatih dan manajemen klub mengambil keputusan berbasis data. Salah satu indikator yang paling objektif untuk menilai performa pemain adalah kontribusi terhadap gol, yakni kombinasi antara gol dan assist. Namun, studi yang mengangkat klasifikasi performa berdasarkan kontribusi gol masih jarang ditemukan, karena sebagian besar penelitian sebelumnya lebih menekankan pada klasifikasi posisi pemain maupun hasil akhir pertandingan. Oleh karena itu, penelitian ini bertujuan untuk membandingkan dua algoritma machine learning, yaitu Random Forest dan Support Vector Machine, dalam mengklasifikasikan performa pemain berdasarkan kontribusi gol ke dalam tiga kategori, yakni tinggi, sedang, dan rendah. Data dalam penelitian ini diperoleh dari situs Transfermarkt melalui teknik web scraping. Total data yang berhasil dikumpulkan sebanyak 1.054 data pemain dari Liga Inggris selama tiga musim terakhir. Tahapan yang dilakukan dalam penelitian ini meliputi pra-pemrosesan data, pembuatan fitur baru, pelabelan, pelatihan model, serta evaluasi performa model dengan metrik akurasi, precision, recall, dan F1- score. Evaluasi dilakukan dengan dua pendekatan, yaitu train-test split dan Stratified K-Fold Cross-Validation, guna memastikan keandalan dan stabilitas model. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa yang lebih baik dibandingkan Support Vector Machine. Random Forest mencatatkan akurasi sebesar 85% pada data uji dan rata-rata 83% pada cross- validation, sedangkan Support Vector Machine hanya mencapai akurasi sebesar 75% pada kedua metode evaluasi. Dengan demikian, Random Forest dinilai lebih unggul dan direkomendasikan sebagai algoritma yang lebih efektif dalam melakukan klasifikasi performa pemain sepak bola berdasarkan kontribusi gol. Penelitian ini diharapkan dapat mendukung pengembangan sistem evaluasi performa yang lebih objektif dan berbasis data dalam dunia sepak bola modern. Kata Kunci: Klasifikasi, Sepak Bola, Random Forest, Support Vector Machine
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 26 Sep 2025 03:16 |
| Last Modified: | 26 Sep 2025 03:16 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3494 |
Actions (login required)
 |
View Item |
