Sepak bola adalah salah satu cabang olahraga yang sangat terkenal dan disukai oleh seluruh kalangan di berbagai negara hampir seluruh pelosok dunia. Dalam permainan sepak bola terdiri dari satu penjaga gawang dan sepuluh pemain yang bergerak di seluruh area lapangan yang menempati posisi bertahan, gelandang dan penyerang. Pro Evolution Soccer adalah salah satu game atau permainan manajemen sepak bola yang membuat pemainnya bisa merasakan rasanya menjadi seorang pelatih dalam klub sepak bola yang bertugas melatih, mentransfer pemain sepak bola dan mengatur taktik seperti pada dunia nyata. Namun pemain mungkin mendapatkan kesulitan dalam mengatur atau menempatkan pemain sepak bola pada posisi yang terbaik untuk bisa bersaing dalam permainan tersebut, untuk mengatasi permasalahan tersebut maka dibutuhkan proses klasifikasi dalam menentukan posisi yang terbaik. Klasifikasi adalah metode mengolah dan menyusun data untuk dikelompokkan dengan kaidah dan aturan yang sudah ditetapkan. Disini peneliti memilih menggunakan metode MKNN (Modified K-Nearest Neighbor) karena metode tersebut merupakan pengembangan dari algoritma KNN (K-Nearest Neighbor). Dataset yang digunakan pada penelitian ini adalah data pemain sepak bola diambil dari game Pro Evolution Soccer yang berjumlah 528 data dan memiliki 8 kelas yaitu Bek Tengah, Bek Sayap, Gelandang Bertahan, Gelandang Tengah, Gelandang Serang, Striker Sayap, Striker Murni dan Kiper, dan memiliki 25 atribut dengan pembagian data menggunakan K-Fold. Hasil penelitian menunjukkan akurasi tertinggi adalah 79,24% pada K-Fold 10 dan k 2 pada MKNN.


Deskripsi Lain

Football is a sport that is very well known and liked by all people in various countries in almost all corners of the world. In the game of football consists of one goalkeeper and ten players who move around the field who occupy defensive positions, midfielders and attackers. Pro Evolution Soccer is a football management game game where players can feel what it's to be a coach in a soccer club whose job is to train, transfer soccer players and set tactics in the real world. However, players may have difficulty in arranging placing soccer players in the best position to be able to compete in the game, to overcome these problems a classification process is needed to determine the best position. Classification is a method of processing and compiling data to be grouped according to established rules and regulations. Here the researcher chose to use the MKNN (Modified K-Nearest Neighbor) method because this method is a development of the KNN (K-Nearest Neighbor) algorithm. The dataset used in this study is soccer player data taken from the Pro Evolution Soccer game, which totals 528 data and has 8 classes, namely Central Defender, Wing Defender, Defensive Midfielder, Central Midfielder, Attacking Midfielder, Wing Striker, Pure Striker and Goalkeeper, and has 25 attributes with data division using K-Fold. The results showed that the highest accuracy was 79.24% at K-Fold 10 and k 2 at MKNN.

• IDENTIFIKASI UNTUK PENENTUAN TINGKAT KESESUAIAN LAHAN TERHADAP PADI SAWAH MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION DENGAN VISUALISASI GOOGLE MAPS API
• Sistem Analisis Sentimen Produk Telkomsel dari Opini Twitter Berbahsa Indonesia Menggunakan Metode Naive Bayes Classifier
• KLASIFIKASI KOMPLEKSITAS VISUAL CITRA BERDASARKAN STRUCTURE, NOISE, DAN DIVERSITY MENGGUNAKAN SISTEM INFERENSI FUZZY MAMDANI
• Klasifikasi Efektifitas Pencapaian Belajar Menghafal Asmaul Husna Melalui Metode Pembelajaran Hanifida Menggunakan Game Edukai Dengan Metode Fuzzy
• RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN PERIJINAN TERPADU KABUPATEN BANGKALAN MENGGUNAKAN NAIVE BAYES CLASSIFIER