K-MEANS CLUSTERING DAN EXTREME GRADIENT BOOSTING (XGBOOST) UNTUK PREDIKSI POIN DI GAME FANTASY PREMIER LEAGUE

Yuliansyah Ibrahim, - (2022) K-MEANS CLUSTERING DAN EXTREME GRADIENT BOOSTING (XGBOOST) UNTUK PREDIKSI POIN DI GAME FANTASY PREMIER LEAGUE. S1 thesis, Universitas Pendidikan Indonesia.

[img]
Preview
PDF
S_KOM_1701988_Title.pdf

Download (2MB) | Preview
[img]
Preview
PDF
S_KOM_1701988_Chapter1.pdf

Download (269kB) | Preview
[img] PDF
S_KOM_1701988_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (2MB)
[img]
Preview
PDF
S_KOM_1701988_Chapter3.pdf

Download (529kB) | Preview
[img] PDF
S_KOM_1701988_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (1MB)
[img]
Preview
PDF
S_KOM_1701988_Chapter5.pdf

Download (124kB) | Preview
Official URL: http://repository.upi.edu/

Abstract

Popularitas Fantasy Sport di kalangan penggemar olahraga professional semakin meningkat setiap tahunnya. Fantasy Premier League (FPL) merupakan game fantasy sport resmi Liga Premier Inggris yang dimainkan oleh jutaan orang di seluruh dunia. Partisipan FPL berperan sebagai manajer sebuah tim yang bertujuan untuk memperoleh poin sebanyak-banyaknya. Kemampuan analisis dan pengambilan keputusan sangat diandalkan dalam menentukan pemain dalam tim yang dimiliki. Platform yang menyediakan model untuk memprediksi poin pemain FPL sudah banyak tersedia di pasar. Dengan sifatnya yang dinamis dan sulit ditebak, bidang prediksi poin pada Fantasy Premier League terbuka lebar untuk peningkatan. Pada penelitian ini digunakan metode penggabungan model unsupervised learning K-Means dengan model supervised learning Extreme Gradient Boosting (XGBoost). Data yang digunakan adalah empat musim data Fantasy Premier League mulai dari musim 2017 hingga musim 2020. Data yang terkumpul diolah dan diagregasi, lalu digabungkan menjadi satu dataset utuh. Berdasarkan eksperimen yang dilakukan, ditemukan bahwa penggabungan K-Means Clustering dengan XGBoost tidak meningkatkan kinerja model. Model tunggal XGBoost menghasilkan nilai RMSE 2.118 dan MAE 1.176. Sedangkan model ensemble XGBoost dan K-Means pada nilai parameter k terbaik menghasilkan nilai RMSE 2.431 dan MAE 1.945.

Item Type: Thesis (S1)
Uncontrolled Keywords: fantasy premier league, fpl, fantasy sport, clustering regression, cluster ensemble, xgboost, k-means clustering, prediksi poin
Subjects: L Education > L Education (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Yuliansyah Ibrahim
Date Deposited: 23 Aug 2022 02:06
Last Modified: 23 Aug 2022 02:06
URI: http://repository.upi.edu/id/eprint/76156

Actions (login required)

View Item View Item