Detail Cantuman

PENGELOMPOKAN GAYA BERMAIN TIM SEPAK BOLA MENGGUNAKAN METODE FACTOR ANALYSIS, PCA DAN K-MEANS CLUSTERING

MUHAMMAD HADIANSYAH RABBANI / 162021023 - Personal Name
120160502 - Kurnia Ramadhan Putra, S.Kom., M.T. - Personal Name
Text English 2025 Sistem Informasi : FTI

Penelitian ini mengelompokkan gaya bermain tim sepak bola Eropa melalui dua pendekatan: (A) reduksi data-driven dengan Factor Analysis (FA) dilanjutkan Principal Component Analysis (PCA), dan (B) indikator terpilih berbasis pengetahuan domain pengetahuan tanpa reduksi. Data statistik tim-musim dari lima liga top Eropa periode 2017/2018-2023/2024 dihimpun, distandardisasi, dan dimodelkan untuk pemetaan gaya serta perbandingan kedua pendekatan. FA mengekstrak faktor laten yang dapat diinterpretasi; PCA memadatkan skor faktor menjadi komponen-komponen orthogonal sebagai masukan klasterisasi. Model K-Means (Euclidean, k-means++, n_init=50) dijalankan pada PC1-PC5; jumlah klaster ditentukan dengan elbow (WSS) dan divalidasi Silhouette serta Davies–Bouldin Index. Solusi optimal K=3 (Silhouette ≈0,356; DBI ≈1,018) memetakan spektrum gaya terutama sepanjang PC1, dengan tiga profil: (1) Kontrol dan Switch Play Progresif, (2) Kontrol Terbatas, Pemulihan Penguasaan Bola Tinggi, dan (3) Pragmatis atau Seimbang. Sebagai pembanding, dilakukan klasterisasi berbasis 43 indikator domain pengetahuan. Temuan mendukung pemetaan gaya bermain berbasis data untuk analisis lawan, perencanaan strategi, dan rekrutmen.

This study clusters European football teams’ playing styles using a two-track pipeline: (A) data-driven reduction with Factor Analysis (FA) followed by Principal Component Analysis (PCA), and (B) domain-selected indicators without reduction. Team-season statistics from the top five European leagues across 2017/18–2023/24 were compiled, standardized, and modeled for style discovery and comparison between approaches. FA extracts interpretable latent factors; PCA then compresses factor scores into orthogonal components used for clustering. K-Means (Euclidean, k-means++, n_init=50) was fitted on PC1-PC5; K was chosen via elbow (WSS) and validated by Silhouette and Davies–Bouldin indices. The optimal solution was K=3 (Silhouette ≈0.356; DBI ≈1.018), mapping a spectrum primarily along PC1. Clusters reflect (1) Progressive Control & Switch Play, (2) Limited Control with High Ball Recovery, and (3) Pragmatic/Balanced profiles. We also report a comparative clustering using 43 domain-informed indicators to assess methodological trade-offs. Findings support data-driven style mapping for opponent analysis, strategic planning, and recruitment.

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	MUHAMMAD HADIANSYAH RABBANI / 162021023 - Personal Name 120160502 - Kurnia Ramadhan Putra, S.Kom., M.T. - Personal Name
No. Panggil	082IS/25
Subyek	Gaya bermain tim sepak bola klasterisasi, K-Means (k-means++) Factor Analysis (FA), Principal Component Analysis reduksi dimensi, seleksi fitur berbasis domain CRISP-DM, Silhouette Score Davies–Bouldin Index
Fakultas	FTI
Tahun Terbit	2025
Jurusan	Sistem Informasi
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2025).PENGELOMPOKAN GAYA BERMAIN TIM SEPAK BOLA MENGGUNAKAN METODE FACTOR ANALYSIS, PCA DAN K-MEANS CLUSTERING().Sistem Informasi:FTI

Chicago Style

.PENGELOMPOKAN GAYA BERMAIN TIM SEPAK BOLA MENGGUNAKAN METODE FACTOR ANALYSIS, PCA DAN K-MEANS CLUSTERING().Sistem Informasi:FTI,2025.Text

MLA Style

.PENGELOMPOKAN GAYA BERMAIN TIM SEPAK BOLA MENGGUNAKAN METODE FACTOR ANALYSIS, PCA DAN K-MEANS CLUSTERING().Sistem Informasi:FTI,2025.Text

Turabian Style

.PENGELOMPOKAN GAYA BERMAIN TIM SEPAK BOLA MENGGUNAKAN METODE FACTOR ANALYSIS, PCA DAN K-MEANS CLUSTERING().Sistem Informasi:FTI,2025.Text

Detail Cantuman

PENGELOMPOKAN GAYA BERMAIN TIM SEPAK BOLA MENGGUNAKAN METODE FACTOR ANALYSIS, PCA DAN K-MEANS CLUSTERING

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address