Penerapan Metode Klasifikasi Naive Bayessian Untuk Memprediksi Hasil Pertandingan Sepakbola.
Penerapan Metode Klasifikasi Naïve Bayessian untuk Memprediksi
Hasil Pertandingan Sepakbola
Daniel Teramurni/0022032
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria Sumantri 65
Bandung 40164, Indonesia
ABSTRAK
Banyak metode yang dapat digunakan untuk melakukan proses klasifikasi terhadap data, salah satu yang akan digunakan adalah dengan menggunakan metode
Naïve Bayessian. Metode ini akan digunakan untuk memprediksi hasil pertandingan liga utama Inggris tahun 2008/2009.
Faktor penentuan prediksi ada dua yaitu stadion tempat bertanding (home/away) dan hasil sebelumnya. Data yang digunakan untuk melakukan proses prediksi adalah mulai 2 tahun yang lalu. Dalam melakukan prediksi sangatlah bergantung dari fakor prediksi yang digunakan, pemilihan faktor prediksi dengan mempertimbangkan ketersediaan data dan berdasarkan pengamatan hasil pertandingan sepak bola. Dengan menggunakan metode Naïve Bayessian dapat diprediksi hasil pertandingan liga utama Inggris.
Hasil prediksi pertandingan memiliki tingkat kesalahan yang cukup besar rata - rata diatas 20% karena parameter yang digunakan masih terbatas,agar hasil prediksi lebih akurat parameter yang digunakan dapat ditambah dengan daftar pemain dan pelatih.
(2)
ii
Universitas Kristen Maranatha
APPLICATION OF CLASSIFICATION NAÏVE BAYESSIAN
METHODS FOR PREDICTING FOOTBALL COMPETITION
’S
RESULT
Daniel Teramurni/0022032
Electrical Engineering, Engineering Faculty, Christian Maranatha University Prof. Drg. Suria Sumantri 65 Street, Bandung 40164, Indonesia
ABSTRACT
Many methods can be used to perform the data classification process, one that will be used is Bayessian Naive method. This method will be used to predict the results of major league English year 2008/2009.
Determining factor of 2 predicted a stadium where the match (home / away) and the previous results. The data used for the prediction process is started 2 years ago. In making predictions is very dependent of the used factor predictions, election predictions by considering the factor of data availability and based on the observation results of soccer games. Naive method has Bayessian predictable major league results English.
Outcome prediction game has a level of significant average error rate above 20% for parameters used were limited, so that more accurate prediction of parameters used can be added to the list of players and coaches.
(3)
DAFTAR ISI
Halaman
ABSTRAK………. i
ABSTRACT………... ii
KATA PENGANTAR……….. iii
DAFTAR ISI………. v
DAFTAR GAMBAR……… vii
DAFTAR TABEL………. ix
BAB I PENDAHULUAN I.1. Latar Belakang………... 1
I.2. Identifikasi Masalah………... 2
I.3. Perumusan Masalah ………... 2
I.4. Tujuan ...………... 2
I.5. Pembatasan Masalah ...………... 1.6 Spesifikasi Alat... 1.7 Sistematika Penulisan... 3 3 3 BAB II DASAR TEORI II.1. Teorema Bayes...………... II.1.1 Sejarah Thomas Bayes... II.1.2 Naive Bayesian Classification... II.1.3 Analisis Bayessian... II.1.4 Keuntungan Naive Bayessian... II.1.5 Kerugian Naive Bayessian... II.2. Kepastian Versus Ketidakpastian...……….. 4 4 6 7 7 7 8 II.3. Pengambilan Keputusan dengan Ketidakpastian……….... 9
II.3.1. Kriteria Nonprobabilistik...………. 9
(4)
iv
Universitas Kristen Maranatha
II.4. Pembuatan Aplikasi DataBase Sederhana...……… 10
II.5. Borland Delphi...………. 10
II.5.1. Project...……….. 11
II.5.2. Aplikasi Form...………... 12
II.5.3. IDE...………... II.5.4. Mengubah Properti Form... 12 13 II.6. Aplikasi Database...………. 13
II.6.1. Komponen Database... II.7. Borland Paradox... 15 15 BAB III PERANCANGAN PROGRAM SIMULASI III.1.Data Tim Sepakbola... 17
III.2. Proses Seleksi... 22
BAB IV REALISASI DAN PENGUJIAN PROGRAM IV.1. Realisasi... 24
IV.2. Perangkat Lunak...…… 24
IV.3. Simulasi dan Analisa Data...……….…... 24
IV.4. AntarMuka Program... 25
IV.4.1. Tampilan Awal Program ....………... 25
IV.5 Pengujian...………... IV.6 Data Pengamatan... 25 26 BAB V KESIMPULAN DAN SARAN V.1. Kesimpulan………... 49
V.2. Saran………... 50
DAFTAR PUSTAKA... 51 LAMPIRAN A : Listing Program Borland Delphi
(5)
DAFTAR GAMBAR
Halaman Gambar II.1 Properti pada jendela object inspector... 13
Gambar III.1 Blok Diagram Sistem Kerja... 17 Gambar III.2 Diagram Alir Sistem Kerja Keseluruhan... 20 Gambar III.3 Diagram Alir pada Program Prediksi Menggunakan
Borland Delphi 7... 21
Gambar IV.1 Tampilan keadaan awal program simulasi... 25 Gambar IV.2 Program Hasil Prediksi Pertandingan Arsenal melawan
Blackburn... 28 Gambar IV.3 Program Hasil Prediksi Pertandingan Arsenal melawan
Bolton... 31 Gambar IV.4 Program Hasil Prediksi Pertandingan Arsenal melawan
Everton... 34 Gambar IV.5 Program Hasil Prediksi Pertandingan Arsenal melawan
Manchester City... 37 Gambar IV.6 Program Hasil Prediksi Pertandingan Arsenal melawan
Liverpool... 40 Gambar IV.7 Program Hasil Prediksi Pertandingan Arsenal melawan
M.U... 43 Gambar IV.8 Program Hasil Prediksi Pertandingan Arsenal melawan
Tottenham... 46 Gambar IV.9 Hasil Pertandingan Liga Inggris 2008/2009... 47
(6)
vi
Universitas Kristen Maranatha
DAFTAR TABEL
Halaman Tabel III.1 Pertemuan Arsenal vs Aston Villa selama 2 tahun sebelum
2009/2010... 22 Tabel IV.1 Tabel IV.2 Tabel IV.3 Tabel IV.4 Tabel IV.5 Tabel IV.6 Tabel IV.7 Tabel IV.8 Tabel IV.9 Tabel IV.10 Tabel IV.11 Tabel IV.12 Tabel IV.13 Tabel IV.14
Hasil prediksi pertandingan Arsenal melawan Blackburn... Hasil pertandingan Arsenal melawan Blackburn berdasarkan tempat pertandingan... Hasil prediksi pertandingan Arsenal melawan Blackburn
setelah Laplace Estimator... Hasil pertandingan Arsenal melawan Blackburn berdasarkan tempat pertandingan setelah Laplace Estimator... Hasil prediksi pertandingan Arsenal melawan Bolton... Hasil pertandingan Arsenal melawan Bolton berdasarkan tempat pertandingan... Hasil prediksi pertandingan Arsenal melawan Bolton setelah Laplace Estimator... Hasil pertandingan Arsenal melawan Bolton berdasarkan tempat pertandingan setelah Laplace Estimator... Hasil prediksi pertandingan Arsenal melawan Everton... Hasil pertandingan Arsenal melawan Everton berdasarkan tempat pertandingan... Hasil prediksi pertandingan Arsenal melawan Everton setelah Laplace Estimator... Hasil pertandingan Arsenal melawan Everton berdasarkan tempat pertandingan setelah Laplace Estimator... Hasil prediksi pertandingan Arsenal melawan Manchester City. Hasil pertandingan Arsenal melawan Manchester City
berdasarkan tempat pertandingan... 26 26 27 27 29 29 29 29 32 32 32 32 35 35
(7)
Tabel IV.15 Tabel IV.16 Tabel IV.17 Tabel IV.18 Tabel IV.19 Tabel IV.20 Tabel IV.21 Tabel IV.22 Tabel IV.23 Tabel IV.24 Tabel IV.25 Tabel IV.26 Tabel IV.27 Tabel IV.28
Hasil prediksi pertandingan Arsenal melawan Manchester City setelah Laplace Estimator... Hasil pertandingan Arsenal melawan Manchester City
berdasarkan tempat pertandingan setelah Laplace Estimator... Hasil prediksi pertandingan Arsenal melawan Liverpool... Hasil pertandingan Arsenal melawan Liverpool berdasarkan tempat pertandingan... Hasil prediksi pertandingan Arsenal melawan Liverpool setelah Laplace Estimator...
Hasil pertandingan Arsenal melawan Liverpool berdasarkan tempat pertandingan setelah Laplace Estimator... Hasil prediksi pertandingan Arsenal melawan M.U... Hasil pertandingan Arsenal melawan M.U berdasarkan tempat pertandingan... Hasil prediksi pertandingan Arsenal melawan M.U setelah Laplace Estimator... Hasil pertandingan Arsenal melawan M.U berdasarkan tempat pertandingan setelah Laplace Estimator... Hasil prediksi pertandingan Arsenal melawan Tottenham... Hasil pertandingan Arsenal melawan Tottenham berdasarkan tempat pertandingan... Hasil prediksi pertandingan Arsenal melawan Tottenham setelah Laplace Estimator... Hasil pertandingan Arsenal melawan Tottenham berdasarkan tempat pertandingan setelah Laplace Estimator...
35 35 38 38 38 38 41 41 41 41 44 44 44 44
(8)
LAMPIRAN A
(9)
PROGRAM UTAMA
begin a0:=0; a1:=0; a2:=0; a3:=0; b0:=0; b1:=0; b2:=0; b3:=0; d0:=0; d1:=0; d2:=0; d3:=0;
dbnavigator1.BtnClick(nbfirst); klub1:=lowercase(edit1.Text); klub2:=lowercase(edit2.Text); if (klub1=klub2) then close;
if (klub1='arsenal') or (klub1='aston villa') then
(10)
A-2 if (klub2='arsenal') or (klub2='aston villa') then begin
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='blackburn') then
begin
if (klub2='arsenal') or (klub2='blackburn') then begin
for i:=0 to 3 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='bolton') then
(11)
if (klub2='arsenal') or (klub2='bolton') then begin
for i:=0 to 7 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='chelsea') then
begin
if (klub2='arsenal') or (klub2='chelsea') then begin
for i:=0 to 11 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
(12)
A-4 if (klub1='arsenal') or (klub1='everton')
then begin
if (klub2='arsenal') or (klub2='everton') then begin
for i:=0 to 15 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='fulham') then
begin
if (klub2='arsenal') or (klub2='fulham') then begin
for i:=0 to 19 do begin
(13)
end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='liverpool') then
begin
if (klub2='arsenal') or (klub2='liverpool') then begin
for i:=0 to 23 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='manchester city') then
begin
(14)
A-6 begin
for i:=0 to 27 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='manchester united') then
begin
if (klub2='arsenal') or (klub2='manchester united') then begin
for i:=0 to 31 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
(15)
if (klub1='arsenal') or (klub1='middlesbrough') then
begin
if (klub2='arsenal') or (klub2='middlesbrough') then begin
for i:=0 to 35 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='new castle') then
begin
if (klub2='arsenal') or (klub2='new castle') then begin
for i:=0 to 39 do begin
dbnavigator1.BtnClick(nbnext); end;
(16)
A-8 goto lompat1;
end; end;
if (klub1='arsenal') or (klub1='porsthmouth') then
begin
if (klub2='arsenal') or (klub2='porsthmouth') then begin
for i:=0 to 43 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='tottenham') then
begin
if (klub2='arsenal') or (klub2='tottenham') then begin
(17)
for i:=0 to 47 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='west ham') then
begin
if (klub2='arsenal') or (klub2='west ham') then begin
for i:=0 to 51 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
(18)
A-10 then
begin
if (klub2='arsenal') or (klub2='wigan') then begin
for i:=0 to 55 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='hull city') then
begin
if (klub2='arsenal') or (klub2='hull city') then begin
for i:=0 to 59 do begin
dbnavigator1.BtnClick(nbnext); end;
(19)
end; end;
if (klub1='arsenal') or (klub1='sunderland') then
begin
if (klub2='arsenal') or (klub2='sunderland') then begin
for i:=0 to 63 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='west brom') then
begin
if (klub2='arsenal') or (klub2='west brom') then begin
(20)
A-12 begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
if (klub1='arsenal') or (klub1='stoke city') then
begin
if (klub2='arsenal') or (klub2='stoke city') then begin
for i:=0 to 71 do begin
dbnavigator1.BtnClick(nbnext); end;
goto lompat1; end;
end;
(21)
if (klub1='arsenal')then begin
a[0]:=strtoint(dbedit5.Text); b[0]:=strtoint(dbedit6.Text); end
else begin
a[0]:=strtoint(dbedit6.Text); b[0]:=strtoint(dbedit5.Text); end;
if (a[0]>b[0]) then a0:=a0+1; if (a[0]<b[0]) then b0:=b0+1; if(a[0]=b[0])then d0:=d0+1; dbnavigator1.BtnClick(nbnext); if (klub1='arsenal')then
begin
b[1]:=strtoint(dbedit5.Text); a[1]:=strtoint(dbedit6.Text); end
else begin
(22)
A-14 b[1]:=strtoint(dbedit6.Text);
end;
if (a[1]>b[1]) then a1:=a1+1; if (a[1]<b[1]) then b1:=b1+1; if(a[1]=b[1])then d1:=d1+1; dbnavigator1.BtnClick(nbnext); if (klub1='arsenal')then
begin
a[2]:=strtoint(dbedit5.Text); b[2]:=strtoint(dbedit6.Text); end
else begin
a[2]:=strtoint(dbedit6.Text); b[2]:=strtoint(dbedit5.Text); end;
if (a[2]>b[2]) then a2:=a2+1; if (a[2]<b[2]) then b2:=b2+1; if(a[2]=b[2])then d2:=d2+1; dbnavigator1.BtnClick(nbnext); if (klub1='arsenal')then
(23)
b[3]:=strtoint(dbedit5.Text); a[3]:=strtoint(dbedit6.Text); end
else begin
b[3]:=strtoint(dbedit6.Text); a[3]:=strtoint(dbedit5.Text); end;
if (a[3]>b[3]) then a3:=a3+1; if (a[3]<b[3]) then b3:=b3+1; if(a[3]=b[3])then d3:=d3+1; if (klub1='arsenal') then begin
edit3.Text:=inttostr(a0+a2); edit4.Text:=inttostr(a1+a3); edit5.Text:=inttostr(b1+b3); edit6.Text:=inttostr(b0+b2); edit7.Text:=inttostr(d0+d2); edit8.Text:=inttostr(d1+d3); edit9.Text:=inttostr(a0+a2+a1+a3); //pwt1:=(a0+a2+a3+a1)/4;
(24)
A-16 //plt1:=(b0+b2+b3+b1)/4;
if (a0+a2+a3+a1=0) or (d0+d1+d2+d3=0) or (b0+b2+b3+b1=0) then begin
pwt1:=(a0+a2+a3+a1+1)/7; pdt1:=(d0+d1+d2+d3+1)/7; plt1:=(b0+b2+b3+b1+1)/7; end
else begin
pwt1:=(a0+a2+a3+a1)/4; pdt1:=(d0+d1+d2+d3)/4; plt1:=(b0+b2+b3+b1)/4; end;
if (a0+a2=0) or (d0+d2=0) or (b0+b2=0)then begin
pwh1:=(a0+a2+1)/(a0+a1+a2+a3+2); pdh1:=(d0+d2+1)/(d0+d1+d2+d3+2); plh1:=(b0+b2+1)/(b0+b2+b1+b3+2); end
else begin
(25)
pdh1:=(d0+d2)/(d0+d1+d2+d3); plh1:=(b0+b2)/(b0+b2+b1+b3); end;
if (a1+a3=0) or (d1+d3=0) or (b1+b3=0) then begin
pwh2:=(a1+a3+1)/(a0+a1+a2+a3+2); pdh2:=(d1+d3+1)/(d0+d1+d2+d3+2); plh2:=(b1+b3+1)/(b0+b2+b1+b3+2); end
else begin
pwh2:=(a1+a3)/(a0+a1+a2+a3); pdh2:=(d1+d3)/(d0+d1+d2+d3); plh2:=(b1+b3)/(b0+b2+b1+b3); end;
pw:=pwt1*pwh1; pd:=pdt1*pdh1; pl:=plt1*plh1; pw0:=pwt1*pwh2; pd0:=pdt1*pdh2; pl0:=plt1*plh2;
(26)
A-18 edit11.Text:=floattostr((pl/(pw+pd+pl))*100)+'%'; edit12.Text:=floattostr((pd/(pw+pd+pl))*100)+'%'; edit13.Text:=floattostr((pw0/(pw0+pd0+pl0))*100)+'%'; edit14.Text:=floattostr((pl0/(pw0+pd0+pl0))*100)+'%'; edit15.Text:=floattostr((pd0/(pw0+pd0+pl0))*100)+'%'; //dbnavigator1.BtnClick(nbfirst);
end else begin
edit4.Text:=inttostr(a0+a2); edit3.Text:=inttostr(a1+a3); edit6.Text:=inttostr(b1+b3); edit5.Text:=inttostr(b0+b2); edit8.Text:=inttostr(d0+d2); edit7.Text:=inttostr(d1+d3); edit9.Text:=inttostr(a0+a2+a1+a3);
if (a0+a2+a3+a1=0) or (d0+d1+d2+d3=0) or (b0+b2+b3+b1=0) then begin
pwt1:=(a0+a2+a3+a1+1)/7; pdt1:=(d0+d1+d2+d3+1)/7; plt1:=(b0+b2+b3+b1+1)/7; end
(27)
else begin
pwt1:=(a0+a2+a3+a1)/4; pdt1:=(d0+d1+d2+d3)/4; plt1:=(b0+b2+b3+b1)/4; end;
if (a1+a3=0) or (d1+d3=0) or (b1+b3=0) then begin
pwh1:=(a1+a3+1)/(a0+a1+a2+a3+2); pdh1:=(d1+d3+1)/(d0+d1+d2+d3+2); plh1:=(b1+b3+1)/(b0+b2+b1+b3+2); end
else begin
pwh1:=(a1+a3)/(a0+a1+a2+a3); pdh1:=(d1+d3)/(d0+d1+d2+d3); plh1:=(b1+b3)/(b0+b2+b1+b3); end;
if (b0+b2=0) or (a0+a2=0) or (d0+d2=0)then begin
pwh2:=(a0+a2+1)/(a0+a1+a2+a3+2); pdh2:=(d0+d2+1)/(d0+d1+d2+d3+2);
(28)
A-20 plh2:=(b0+b2+1)/(b0+b2+b1+b3+2);
end else begin
pwh2:=(a0+a2)/(a0+a1+a2+a3); pdh2:=(d0+d2)/(d0+d1+d2+d3); plh2:=(b0+b2)/(b0+b2+b1+b3); end;
pw:=pwt1*pwh1; pd:=pdt1*pdh1; pl:=plt1*plh1; pw0:=pwt1*pwh2; pd0:=pdt1*pdh2; pl0:=plt1*plh2;
edit10.Text:=floattostr((pw/(pw+pd+pl))*100)+'%'; edit11.Text:=floattostr((pl/(pw+pd+pl))*100)+'%'; edit12.Text:=floattostr((pd/(pw+pd+pl))*100)+'%'; edit13.Text:=floattostr((pw0/(pw0+pd0+pl0))*100)+'%'; edit14.Text:=floattostr((pl0/(pw0+pd0+pl0))*100)+'%'; edit15.Text:=floattostr((pd0/(pw0+pd0+pl0))*100)+'%'; //dbnavigator1.BtnClick(nbfirst);
(29)
BAB I
PENDAHULUAN
Bab ini menjelaskan latar belakang Tugas Akhir, identifikasi masalah yang akan diselesaikan, tujuan Tugas Akhir, pembatasan masalah, metodologi pemecahan masalah, dan sistematika penulisan Tugas Akhir ini.
1.1
Latar Belakang
Saat musim Baru Liga Inggris (FA Premier League) akan bergulir, pasar taruhan sepakbola di Eropa khususnya di Inggris memprediksi klub mana yang akan menjadi juara di liga tersebut.Dengan bantuan proses prediksi dapat diperkirakan klub mana yang akan menjadi juara di liga tersebut.
Untuk dapat memprediksi juara Liga Inggris musim tertentu dibutuhkan data-data, yaitu daftar pemain, pelatih, tempat pertandingan berlangsung (home/away) dan hasil pertandingan sebelumnya.
Parameter yang akan digunakan untuk menyusun prediksi hasil pertandingan terdiri dari 2 parameter saja yaitu tempat pertandingan berlangsung (home/away) dan hasil pertandingan sebelumnya.
Setelah faktor-faktor yang mempengaruhi prediksi ditentukan maka digunakan teknik data mining dengan metode Naive Bayessian Classification untuk menggali informasi/model pada data-data sehingga hasil pertandingan dapat diprediksi.
1.2 Identifikasi Masalah
Masalah yang diidentifikasikan dalam Tugas Akhir ini adalah memprediksikan hasil pertandingan sepakbola dengan menggunakan metode klasifikasi Naïve Bayessian.
(30)
2
Universitas Kristen Maranatha
1.3 Tujuan
Tujuan penelitian ini adalah bagaimana menerapkan Algoritma Naive Bayessian sebagai salah satu metode Classification Data Mining untuk menganalisis statistik pertandingan Liga Utama Sepak Bola Inggris agar dapat memprediksi pertandingan musim baru.
1.4 Pembatasan Masalah
1.Penentuan parameter prediksi pertandingan hanyalah 2 parameter saja yaitu, tempat pertandingan berlangsung (home/away) dan hasil pertandingan sebelumnya.
2.Untuk membandingkan keakuratan prediksi, maka prediksi dilakukan sebanyak 2 kali dengan kondisi 1, 2 tahun sebelum kompetisi musim 2008/2009 semua hasil prediksinya disimpan di dalam basis data.
3.Prediksi kesalahan dibatasi pada hasil kemenagan saat main di kandang.
1.5 Perumusan Masalah
Bagaimana memprediksikan hasil pertandingan sepakbola dengan menggunakan metode klasifikasi naive bayessian.
1.6 Metodologi
Penelitian dan pengumpulan data statistik liga sepakbola liga inggris di internet.
Melakukan proses Selection, yaitu mencari sekumpulan target data.
Melakukan proses pencarian pola pada training data menggunakan metode Naive Byessian.
Melakukan proses Interpretation/Evaluation, yaitu menafsirkan pola yang didapat dari proses data mining.
(31)
1.7 Sistematika Penulisan
Laporan Tugas Akhir ini dibagi menjadi lima bab utama yang akan disusun dengan sistematik sebagai berikut :
BAB I PENDAHULUAN
Bab ini Berisi latar belakang Tugas Akhir, identifikasi masalah, tujuan dari Tugas Akhir, pembatasan masalah, perumusan masalah, metodologi, dan sistematika penulisan laporan Tugas Akhir ini.
BAB II DASAR TEORI
Bab ini memberikan pembahasan singkat mengenai teorema Bayes.
BAB III ANALISIS DAN PERANCANGAN
Pada bab ini akan dibahas mengenai perancangan perangkat lunak (software) .
BAB IV PENGUJIAN DAN DATA PENGAMATAN
Pada bab ini akan menampilkan dan menganalisa hasil pengujian terhadap perangkat lunak (software) yang dibuat.
BAB V KESIMPULAN DAN SARAN
Bab ini memaparkan kesimpulan dari perangkat lunak yang telah dibuat dan memberikan saran mengenai hal-hal yang mungkin harus diperbaiki pada perangkat lunak tersebut untuk mendapatkan hasil yang lebih baik.
(32)
49
Universitas Kristen Maranatha BAB V
KESIMPULAN DAN SARAN V.1 Kesimpulan
Dari analisa dan pengujian yang dilakukan pada sistem, dapat ditarik kesimpulan yaitu :
Prediksi dengan menggunakan naïve bayessian classification untuk menentukan hasil pertandingan liga inggris dapat diterapkan walaupun masih memiliki tingkat kesalahan yang cukup besar.
Tingkat persentase kesalahan masih cukup besar karena parameter yang digunakan terbatas pada tempat pertandingan dan hasil pertandingan sebelumnya.
(33)
BAB V Kesimpulan dan Saran
V.2 Saran
Pada tugas akhir ini masih terdapat beberapa kekurangan sehingga perlu dilakukan pengembangan. Beberapa saran tentang Tugas Akhir ini adalah :
Untuk menambah keakuratan hasil prediksi, parameter yang digunakan dapat ditambah dengan daftar pemain dan pelatih.
Penggunaan metode klasifikasi naïve bayessian untuk memprediksi hasil pertandingan masih ditemukan tingkat kesalahan. Untuk perkembangan selanjutnya dapat dilakukan dengan menggunakan logika fuzzy untuk melakukan prediksi.
(34)
Daftar Pustaka
51
Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] Euis, Marlina, 10 Jenis Koneksi Delphi Ke Database,2010.
[2] Han, J., Data Mining: Concepts and Techniques, Morgan Kaufmann,
2006.
[3] Kusnassriyanto Saiful Bahri, wawan Sjachriyanto, Teknik Pemrograman Delphi,2009
[4] Wahana Computer, Aplikasi Menggunakan Delphi, 2010.
[5] Witten, Ian. H,. I Data Mining Practical Machine Learning Tools and Technique with Java, Morgan Kaufmann, 2000.
[6] http://www.soccernet.com
(1)
1
Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Bab ini menjelaskan latar belakang Tugas Akhir, identifikasi masalah yang akan diselesaikan, tujuan Tugas Akhir, pembatasan masalah, metodologi pemecahan masalah, dan sistematika penulisan Tugas Akhir ini.
1.1
Latar Belakang
Saat musim Baru Liga Inggris (FA Premier League) akan bergulir, pasar taruhan sepakbola di Eropa khususnya di Inggris memprediksi klub mana yang akan menjadi juara di liga tersebut.Dengan bantuan proses prediksi dapat diperkirakan klub mana yang akan menjadi juara di liga tersebut.
Untuk dapat memprediksi juara Liga Inggris musim tertentu dibutuhkan data-data, yaitu daftar pemain, pelatih, tempat pertandingan berlangsung (home/away) dan hasil pertandingan sebelumnya.
Parameter yang akan digunakan untuk menyusun prediksi hasil pertandingan terdiri dari 2 parameter saja yaitu tempat pertandingan berlangsung (home/away) dan hasil pertandingan sebelumnya.
Setelah faktor-faktor yang mempengaruhi prediksi ditentukan maka digunakan teknik data mining dengan metode Naive Bayessian Classification untuk menggali informasi/model pada data-data sehingga hasil pertandingan dapat diprediksi.
1.2 Identifikasi Masalah
Masalah yang diidentifikasikan dalam Tugas Akhir ini adalah memprediksikan hasil pertandingan sepakbola dengan menggunakan metode klasifikasi Naïve Bayessian.
(2)
2
Universitas Kristen Maranatha
1.3 Tujuan
Tujuan penelitian ini adalah bagaimana menerapkan Algoritma Naive Bayessian sebagai salah satu metode Classification Data Mining untuk menganalisis statistik pertandingan Liga Utama Sepak Bola Inggris agar dapat memprediksi pertandingan musim baru.
1.4 Pembatasan Masalah
1.Penentuan parameter prediksi pertandingan hanyalah 2 parameter saja yaitu, tempat pertandingan berlangsung (home/away) dan hasil pertandingan sebelumnya.
2.Untuk membandingkan keakuratan prediksi, maka prediksi dilakukan sebanyak 2 kali dengan kondisi 1, 2 tahun sebelum kompetisi musim 2008/2009 semua hasil prediksinya disimpan di dalam basis data.
3.Prediksi kesalahan dibatasi pada hasil kemenagan saat main di kandang.
1.5 Perumusan Masalah
Bagaimana memprediksikan hasil pertandingan sepakbola dengan menggunakan metode klasifikasi naive bayessian.
1.6 Metodologi
Penelitian dan pengumpulan data statistik liga sepakbola liga inggris di internet.
Melakukan proses Selection, yaitu mencari sekumpulan target data.
Melakukan proses pencarian pola pada training data menggunakan metode Naive Byessian.
Melakukan proses Interpretation/Evaluation, yaitu menafsirkan pola yang didapat dari proses data mining.
(3)
3
Universitas Kristen Maranatha
1.7 Sistematika Penulisan
Laporan Tugas Akhir ini dibagi menjadi lima bab utama yang akan disusun dengan sistematik sebagai berikut :
BAB I PENDAHULUAN
Bab ini Berisi latar belakang Tugas Akhir, identifikasi masalah, tujuan dari Tugas Akhir, pembatasan masalah, perumusan masalah, metodologi, dan sistematika penulisan laporan Tugas Akhir ini.
BAB II DASAR TEORI
Bab ini memberikan pembahasan singkat mengenai teorema Bayes.
BAB III ANALISIS DAN PERANCANGAN
Pada bab ini akan dibahas mengenai perancangan perangkat lunak (software) .
BAB IV PENGUJIAN DAN DATA PENGAMATAN
Pada bab ini akan menampilkan dan menganalisa hasil pengujian terhadap perangkat lunak (software) yang dibuat.
BAB V KESIMPULAN DAN SARAN
Bab ini memaparkan kesimpulan dari perangkat lunak yang telah dibuat dan memberikan saran mengenai hal-hal yang mungkin harus diperbaiki pada perangkat lunak tersebut untuk mendapatkan hasil yang lebih baik.
(4)
49
Universitas Kristen Maranatha BAB V
KESIMPULAN DAN SARAN V.1 Kesimpulan
Dari analisa dan pengujian yang dilakukan pada sistem, dapat ditarik kesimpulan yaitu :
Prediksi dengan menggunakan naïve bayessian classification untuk menentukan hasil pertandingan liga inggris dapat diterapkan walaupun masih memiliki tingkat kesalahan yang cukup besar.
Tingkat persentase kesalahan masih cukup besar karena parameter yang digunakan terbatas pada tempat pertandingan dan hasil pertandingan sebelumnya.
(5)
BAB V Kesimpulan dan Saran
51
Universitas Kristen Maranatha V.2 Saran
Pada tugas akhir ini masih terdapat beberapa kekurangan sehingga perlu dilakukan pengembangan. Beberapa saran tentang Tugas Akhir ini adalah :
Untuk menambah keakuratan hasil prediksi, parameter yang digunakan dapat ditambah dengan daftar pemain dan pelatih.
Penggunaan metode klasifikasi naïve bayessian untuk memprediksi hasil pertandingan masih ditemukan tingkat kesalahan. Untuk perkembangan selanjutnya dapat dilakukan dengan menggunakan logika fuzzy untuk melakukan prediksi.
(6)
Daftar Pustaka
51
Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] Euis, Marlina, 10 Jenis Koneksi Delphi Ke Database,2010.
[2] Han, J., Data Mining: Concepts and Techniques, Morgan Kaufmann,
2006.
[3] Kusnassriyanto Saiful Bahri, wawan Sjachriyanto, Teknik Pemrograman Delphi,2009
[4] Wahana Computer, Aplikasi Menggunakan Delphi, 2010.
[5] Witten, Ian. H,. I Data Mining Practical Machine Learning Tools and Technique with Java, Morgan Kaufmann, 2000.
[6] http://www.soccernet.com