Sepak bola adalah olahraga paling diminati dan populer di dunia, klaim ini mungkin tidak terbantahkan, Ada berbagai macam kunci kemenangan tim, misalnya komposisi pemain, kejelian pelatih, pemilihan posisi dan formasi yang tepat, kemampuan individual pemain dan lain sebagainya. Salah satu keberhasilan dari kemenangan tim yaitu penempatan posisi pemain yang sesuai kemampuan dengan pemain tersebut. Pemain yang dipilih pelatih terkadang tidak sesuai antara kemampuan yang dimiliki pemain dengan standart yang di inginkan dan penilain untuk menentukan posisi pengamatan masih melalui insting pengamatan pelatih. Masalah ini sering dihadapi dalam sebuah tim sepak bola. Penempatan posisi pemain yang tidak sesuai dengan kemampuan yang dimilikinya, akan berdampak dalam permainan sebuah tim. Sehingga untuk menyelesaikan permasalahan tersebut diperlukan suatu sistem yang membantu pelatih dalam menentukan posisi sepakbola. Metode K-NN (K-Nearest Neighbor) termasuk dalam sepuluh algoritma terbaik dalam data mining dan machine learnin. Penelitian ini menggunakan data sebanyak 528 data pemain Sepak Bola Liga 1 Indonesia dan kelas klasifikasi yang digunakan yaitu Bek Kanan, Bek Kiri, Bek Tengah, Gelandang Bertahan, Gelandang Serang, Gelandang Tengah, Kiper, Sayap Kanan, Sayap Kiri, Striker. Pengujian menggunakan nilai k 1 sampai k 422 pada K-NN untuk K-Fold 5 dan k 1 sampai k 475 untuk pada K-NN untuk K-Fold 10. Penelitian ini memperoleh akurasi terbaik sebesar 62,52% di K-Fold 5 dengan nilai k 12 pada K-NN.


Deskripsi Lain

Football is the most demanded and popular sport in the world, this claim may be indisputable, there are various keys to the victory of the team, for example, the composition of the players, the foresight of the coach, the selection of ability of individual players, etc. One of the successes of the team's victory is the placement of player positions according to ability with that player. Players selected by the coach sometimes do not match the ability of the players with the desired standard and assessment to determine the position of observation is still through the instincts of the coach. This problem is often encountered in a football team. Placement of the player's position that is not in accordance with its capabilities, will have an impact in a team game. So to solve these problems required a system that helps the coach in determining the position football. The K-NN (K-Nearest Neighbor) method is included in the top ten best algorithms in data mining and machine learning. This study used data much 528 data Football Players League 1 Indonesia and The classification class used is right back, left back, centre back, defensive midfielder, attacking midfielder, central midfielder, goalkeeper, right wing, Left Wing, Striker. The test uses the value of k 1 to k 422 at K-NN for K-Fold 5 and k 1 to k 475 for K-NN for K-Fold 10. This study obtained the best accuracy of 62.52% in K-Fold 5 with a value of k 12 in K-NN.

• Penerapan Metode K-NN (K-Nearest Neighbor) Untuk Klasifikasi Posisi Pemain Sepak Bola