PENERAPAN ALGORITME NAÏVE BAYES DALAM MEMPREDIKSI JUARA LIGA PRIMER INGGRIS MUSIM 2022/2023

Penulis

  • Guzti Eka Putra Universitas Budi Luhur
  • Titin Fatimah Universitas Budi Luhur

Kata Kunci:

Prediksi, Klub Juara, Liga Primer Inggris, Data Mining, Naïve Bayes

Abstrak

Liga Primer Inggris adalah kompetisi sepak bola yang digadang-gadang sebagai kompetisi yang paling sulit untuk diprediksi juaranya setiap tahun. Setiap musim, para pendukung klub dan pengamat sepakbola berdebat dan memprediksi klub mana yang akan keluar sebagai juara Liga Primer Inggris. Namun, prediksi yang dilakukan secara manual dan hanya berdasarkan pengalaman terkadang tidak dapat memberikan hasil yang akurat. Penelitian ini bertujuan untuk memprediksi dengan tepat klub mana yang akan menjadi juara Liga Primer Inggris musim 2022/2023 dengan mengimplimentasikan algoritme Naïve Bayes menggunakan atribut yang diambil dari data statistik historis 10 besar klub selama 20 tahun terakhir. Pengujian dilakukan dengan membagi data latih dan data uji dengan perbandingan 7:3 dan menghasilkan nilai akurasi sebesar 91,7%, presisi 84,2%, dan recall sebesar 88,9% dari model latih tersebut. Sementara hasil prediksi dari data yang diuji pada minggu ke-26 kompetisi Liga Primer Inggris menunjukkan bahwa hanya ada 2 klub yang berpeluang menjadi calon juara pada kompetisi musim 2022/2023. Arsenal yang berada di puncak klasemen hanya memiliki 6,67% peluang sedangkan klub Manchester City yang berada di peringkat dua memiliki peluang sebesar 93,33% untuk bisa menjadi juara Liga Primer Inggris musim 2022/2023.

Referensi

A. S. Yudistira and A. Nugroho, “Prediksi Tim Juara Liga Premier Inggris Musim 2021/2022 Menggunakan Metode Naive Bayes,” J. Tek. Inform., vol. 3, no. 5, pp. 1239–1243, 2022, doi: 10.20884/1.jutif.2022.3.5.328.

İ. H. KINALIOĞLU and C. KUŞ, “Prediction of UEFA Champions League Elimination Rounds Winners Using Machine Learning Algorithms,” Cumhur. Sci. J., vol. 41, no. 4, pp. 951–967, 2020, doi: 10.17776/csj.780391.

Heliyanti Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” J. Ris. Sist. Inf. dan Teknol. Inf., vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.

J. Mariyanto et al., “Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) Implementasi Algoritma Naive Bayes Untuk Memprediksi zona dan Tingkat Penyebaran Covid-19 Di Provinsi Jambi,” vol. 2, no. September, pp. 248–253, 2022, [Online]. Available: https://ejournal.unama.ac.id/index.php/jakakom.

M. Kafil, “Penerapan Metode K-Nearest Neighbors Untuk Prediksi Penjualan Berbasis Web Pada Boutiq Dealove Bondowoso,” JATI (Jurnal Mhs. Tek. Inform., vol. 3, no. 2, pp. 59–66, 2019, doi: 10.36040/jati.v3i2.860.

F. D. Telaumbanua, P. Hulu, T. Z. Nadeak, R. R. Lumbantong, and A. Dharma, “Penggunaan Machine Learning,” J. Teknol. dan Ilmu Komput., vol. 3, no. 1, pp. 57–64, 2019.

Yuli Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4 . 5 Data mining merupakan bagian dari tahapan proses Knowledge Discovery in Database ( KDD ) . Jurnal Edik Informatika,” J. Edik Inform., vol. 2, no. 2, pp. 213–219, 2019.

N. Khasanah, A. Salim, N. Afni, R. Komarudin, and Y. I. Maulana, “Prediksi Kelulusan Mahasiswa Dengan Metode Naive Bayes,” Technol. J. Ilm., vol. 13, no. 3, p. 207, 2022, doi: 10.31602/tji.v13i3.7312.

I. K. Juni Arta, G. Indrawan, and G. R. Dantes, “Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di Stmik Denpasar Menggunakan Metode Technique for Others Reference By Similarity To Ideal Solution,” JST (Jurnal Sains dan Teknol., vol. 5, no. 2, pp. 11–21, 2017, doi: 10.23887/jstundiksha.v5i2.8549.

P. M. S. Tarigan, J. T. Hardinata, H. Qurniawan, M. Safii, and R. Winanjaya, “Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang,” J. Janitra Inform. dan Sist. Inf., vol. 2, no. 1, pp. 9–19, 2022, doi: 10.25008/janitra.v2i1.142.

J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques. 2011.

N. Chatrina, Siregar, R. Ruli, A, Siregar, and M. Yoga, Distra, Sudirman, “Implementasi Metode Naive Bayes Classifier (NBC) Pada Komentar Warga Sekolah Mengenai Pelaksanaan Pembelajaran Jarak Jauh (PJJ),” J. Teknol., vol. 34, no. 1, pp. 102–110, 2020, [Online]. Available: https://aperti.e-journal.id/teknologia/article/view/67.

P. Domingos, “A Few Useful Things to Know About Machine Learning,” Commun. ACM, vol. 55, no. 10, pp. 78–87, 2012, doi: 10.1145/2347736.2347755.

Qadrini L, Sepperwali A, and Aina A, “Decision Tree dan Adaboostpada Klasifikasi Penerima Program Bantuan Sosial,” Decis. Tree Dan Adab. Pada Klasifikasi Penerima Progr. Bantu. Sos., vol. 2, no. 7, pp. 1959–1966, 2021.

Karsito and S. Susanti, “Klasifikasi Kelayakan Peserta Pengajuan Kredit Rumah Dengan Algoritma Naïve Bayes Di Perumahan Azzura Residencia,” J. Teknol. Pelita Bangsa, vol. 9, pp. 43–48, 2019.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Putra, G. E., & Fatimah, T. (2023). PENERAPAN ALGORITME NAÏVE BAYES DALAM MEMPREDIKSI JUARA LIGA PRIMER INGGRIS MUSIM 2022/2023. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 658–668. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/826

Terbitan

Vol 2 No 2 (2023): Prosiding SENAFTI Ke-3 September 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2 3 > >>