SURYANEGARA, Ilham (2024) Prediksi Pertandingan Mixed Martial Arts Pada Promotor UFC Menggunakan Support Vector Machine. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) H1D019065_SKRIPSI_COVER.pdf Download (316kB)
	PDF (Legalitas) H1D019065_SKRIPSI_LEGALITAS.pdf Restricted to Repository staff only Download (509kB)
	PDF (Abstrak) H1D019065_SKRIPSI_ABSTRAK.pdf Download (339kB)
	PDF (BabI) H1D019065_SKRIPSI_BAB1.pdf Restricted to Repository staff only Download (302kB)
	PDF (BabII) H1D019065_SKRIPSI_BAB2.pdf Restricted to Repository staff only Download (665kB)
	PDF (BabIII) H1D019065_SKRIPSI_BAB3.pdf Restricted to Repository staff only Download (442kB)
	PDF (BabIV) H1D019065_SKRIPSI_BAB4.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) H1D019065_SKRIPSI_BAB5.pdf Download (288kB)
	PDF (DaftarPustaka) H1D019065_SKRIPSI_DAFTAR_PUSTAKA.pdf Download (292kB)
	PDF (Lampiran) H1D019065_SKRIPSI_LAMPIRAN.pdf Restricted to Repository staff only Download (305kB)

Abstract

Olahraga bukan hanya berfungsi sebagai kegiatan untuk merawat dan membugarkan kesehatan tubuh. Olahraga juga digunakan sebagai sarana entertainment dan memiliki nilai bisnis. Berkembangnya olahraga menjadi industri yang memiliki nilai bisnis juga tak lepas dari pemanfaatan Teknologi Informasi. Namun pemanfaatan teknologi masih sebatas pada cabang olahraga populer. Mixed Martial Arts (MMA) merupakan salah satu olahraga yang sedang berkembang namun masih sedikit penelitian mengenai implementasi teknologi pada industri ini. Support Vector Machine (SVM) sendiri merupakan salah satu algoritma machine learning yang dapat digunakan pada permasalahan regresi maupun klasifikasi. SVM populer dengan pengggunaan fungsi kernel yang memungkinkan SVM menangani data yang tidak linear dengan komputasi yang rendah. Oleh karena itu dilakukan penelitian untuk memprediksi pertandingan MMA menggunakan model klasifikasi Support Vector Machine (SVM). Model prediksi yang dibuat menggunakan algoritma SVM berhasil memprediksi pertandingan MMA dan mendapatkan hasil akurasi sebesar 65,9%.

Actions (login required)

View Item