AFFANDI, Syihabuddin (2025) Prediksi Nilai Pasar Pemain Sepak Bola Berdasarkan Atribut Permainan di Game Football Manager 2023 dengan Random Forest pada Lima Liga Terbaik Eropa. Skripsi thesis, Universitas Jenderal Soedirman.
![[img]](http://repository.unsoed.ac.id/style/images/fileicons/other.png) |
PDF (Cover)
COVER-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Download (206kB) |
|
PDF (Legalitas)
LEGALITAS-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Restricted to Repository staff only Download (822kB) |
|
PDF (Abstrak)
ABSTRAK-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Download (266kB) |
|
PDF (BabI)
BAB-I-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Restricted to Repository staff only Download (286kB) |
|
PDF (BabII)
BAB-II-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Restricted to Repository staff only Download (517kB) |
|
PDF (BabIII)
BAB-III-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Restricted to Repository staff only Download (281kB) |
|
PDF (BabIV)
BAB-IV-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Restricted to Repository staff only Download (2MB) |
|
PDF (BabV)
BAB-V-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Download (223kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Download (226kB) |
|
PDF (Lampiran)
LAMPIRAN-Syihabuddin Affandi-H1D019027-Skripsi-2025.pdf Restricted to Repository staff only Download (153kB) |
Abstract
Sepak bola, sebagai olahraga global dan industri besar, memengaruhi berbagai aspek kehidupan dan ekonomi, terutama dalam hal transfer pemain antar klub. Penelitian ini bertujuan untuk mengembangkan model prediksi nilai pasar pemain sepak bola menggunakan algoritma Random Forest, berdasarkan data yang diambil dari Game Football Manager 2023. Dataset yang digunakan terdiri dari 1.405 data dengan 66 atribut. Langkah-langkah yang dilakukan dalam penelitian ini meliputi studi literatur, pengumpulan data, pelabelan data, preprocessing data, analisis eksploratori data, pembangunan model Random Forest, dan implementasi model. Analisis dilakukan dengan membagi data menjadi data pelatihan dan data pengujian dengan perbandingan 80%:20%. Pada pelatihan pertama, model Random Forest yang dibangun dengan parameter default menghasilkan akurasi sebesar 75,76%. Untuk meningkatkan akurasi, dilakukan tuning hyperparameter untuk memperoleh parameter optimal. Pelatihan kedua menggunakan model Random Forest regressor dengan parameter optimal hasil tuning hyperparameter menghasilkan akurasi sebesar 76,26%. Model optimal diimplementasikan ke dalam sebuah situs web untuk mempermudah melakukan prediksi nilai pasar pemain.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Nomor Inventaris: | H25018 |
| Uncontrolled Keywords: | Flask, Football Manager 2023, nilai pasar pemain, random forest, regresi, sepak bola, tuning hyperparameter |
| Subjects: | B > B20 Ball games Football Sports |
| Divisions: | Fakultas Teknik > S1 Teknik Informatika |
| Depositing User: | Mr. SYIHABUDDIN AFFANDI |
| Date Deposited: | 04 Feb 2025 01:03 |
| Last Modified: | 04 Feb 2025 01:03 |
| URI: | http://repository.unsoed.ac.id/id/eprint/31933 |
Actions (login required)
 |
View Item |