KLASIFIKASI FORMASI PERSEBAYA SURABAYA BERDASARKAN KARAKTERISTIK LAWAN MENGGUNAKAN RANDOM FOREST (Liga 1 2020-2025)

Muhammad, Nasrudin and Zahara, Soffa, 0704079101 and Sukmaningtyas, Yanuarini Nur, 0714018304 (2026) KLASIFIKASI FORMASI PERSEBAYA SURABAYA BERDASARKAN KARAKTERISTIK LAWAN MENGGUNAKAN RANDOM FOREST (Liga 1 2020-2025). Bachelor thesis, Universitas Islam Majapahit.

	Text ABSTRAK.pdf Restricted to Registered users only Download (924kB) | Request a copy
Preview	Text Bab 1.pdf Download (204kB) | Preview
	Text Bab 2.pdf Restricted to Registered users only Download (404kB) | Request a copy
	Text Bab 3.pdf Restricted to Registered users only Download (901kB) | Request a copy
	Text Bab 4.pdf Restricted to Registered users only Download (510kB) | Request a copy
Preview	Text Bab 5.pdf Download (172kB) | Preview
Preview	Text Daftar Pustaka.pdf Download (175kB) | Preview
	Text Lampiran.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Perkembangan machine learning telah dimanfaatkan dalam dunia sepak bola untuk mendukung analisis taktik, salah satunya dalam mengklasifikasikan penggunaan formasi berdasarkan karakteristik lawan. Penelitian ini bertujuan mengklasifikasikan formasi yang digunakan Persebaya Surabaya berdasarkan karakteristik lawan menggunakan algoritma Random Forest. Penelitian menerapkan pendekatan data mining dengan memanfaatkan dataset sebanyak 172 pertandingan Persebaya Surabaya pada kompetisi Liga 1 Indonesia musim 2020–2025 yang diperoleh secara manual dari platform Sofascore. Variabel masukan yang digunakan meliputi lawan, lokasi pertandingan, persentase penguasaan bola Persebaya Surabaya, posisi lawan di klasemen, rata-rata gol yang dicetak lawan, dan rata-rata gol kebobolan lawan, sedangkan variabel keluaran berupa formasi yang digunakan oleh Persebaya Surabaya. Dataset diproses melalui tahap pra-pemrosesan data, pembagian data dengan rasio 80:20, pembangunan model Random Forest, evaluasi model menggunakan confusion matrix, accuracy, precision, recall, dan F1-score, analisis feature importance, serta implementasi model ke dalam aplikasi berbasis web menggunakan Streamlit. Hasil evaluasi menunjukkan bahwa model Random Forest memperoleh accuracy sebesar 87,88%, precision sebesar 0,90, recall sebesar 0,88, dan F1-score sebesar 0,89. Hasil analisis feature importance menunjukkan bahwa persentase penguasaan bola Persebaya Surabaya merupakan variabel yang memberikan kontribusi terbesar terhadap proses klasifikasi, diikuti oleh rata-rata gol yang dicetak lawan dan rata-rata gol kebobolan lawan. Penelitian ini menunjukkan bahwa algoritma Random Forest mampu mengklasifikasikan formasi Persebaya Surabaya berdasarkan karakteristik lawan dengan tingkat kinerja yang baik serta berhasil diimplementasikan ke dalam aplikasi berbasis web sebagai media klasifikasi formasi.

Actions (login required)

View Item