18219114 Parnaek R. Siagian.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Indonesia merupakan salah satu negara dengan persentase penggemar sepak bola
terbanyak di dunia. Sayangnya, prestasi tim nasional sepakbola Indonesia tidak berbanding
lurus dengan animo positif dukungan penggemarnya. Kurangnya implementasi teknologi
dalam pengembangan kualitas sepak bola Indonesia menjadi salah satu faktor yang membuat
sepak bola Indonesia tertinggal dari negara lain.
Analisis pertandingan merupakan salah satu metode paling efektif bagaimana tim
sepak bola mengevaluasi permainannya sendiri sekaligus mempelajari pola permainan lawan.
Tidak heran, berbagai metriks kunci diperkenalkan untuk menilai baik performasi tim
maupun individu. Expected Goal (xG) merupakan indikator yang digunakan untuk
menghitung peluang sebuah tembakan berbuah gol. Artinya, informasi kunci sebuah
tembakan akan dikumpulkan untuk diamati pengaruhnya dalam probabilitas kejadian sebuah
gol. Oleh karena itu, dalam menciptakan model expected goal yang akurat, penelitian ini
menggunakan data 421.273 tembakan dari enam liga elit eropa periode musim 2014-2022.
Dalam menghasilkan model expected goal, akan digunakan pembelajaran mesin
berbasis supervised learning dengan jenis binary classification. Algoritma gradient boosting
merupakan salah satu jenis algoritma machine learning populer dan cukup akurat saat ini.
Penelitian ini bertujuan untuk menghasilkan model perhitungan expected goal terbaik di
antara tiga algoritma gradient boosting, yaitu CatBoost, XGBoost, dan LightGBM. Penelitan
ini juga menyertakan tahapan hyper-parameter tuning untuk mengoptimasi kinerja model.
Berdasarkan pengujian dengan metriks Logloss, Brier score, dan AUROC score, algoritma
gradient boosting paling akurat adalah XGBoost dibanding algoritma lainnya.