// ANALISIS PERBANDINGAN PREDIKSI NILAI PASAR PEMAIN PADA GAME FIFA MENGGUNAKAN PENDEKATAN MACHINE LEARNING

Detail Cantuman

ANALISIS PERBANDINGAN PREDIKSI NILAI PASAR PEMAIN PADA GAME FIFA MENGGUNAKAN PENDEKATAN MACHINE LEARNING

ANALISIS PERBANDINGAN PREDIKSI NILAI PASAR PEMAIN PADA GAME FIFA MENGGUNAKAN PENDEKATAN MACHINE LEARNING

AZRIEL HENOCK JESAYES DIVA SIRAIT / 162021053 - Personal Name
0412097401 - Raden Budiraharjo, S.S., MT. - Personal Name
 Text English 2025 Sistem Informasi : FTI

Nilai pasar pemain sepak bola merupakan aspek krusial dalam industri olahraga global, namun prediksinya seringkali bersifat subjektif dan kompleks. Penelitian ini bertujuan untuk menganalisis dan membandingkan tiga algoritma machine learning Support Vector Regression (SVR), Extreme Gradient Boosting (XGBoost), dan Random Forest dalam memprediksi nilai pasar pemain satu tahun ke depan menggunakan data historis dari video game FIFA (edisi 12-25). Penelitian ini mengidentifikasi faktor-faktor paling berpengaruh terhadap nilai pasar, dengan potential (potensi) pemain menunjukkan korelasi positif terkuat. Metodologi CRISP-DM diterapkan, mulai dari pengumpulan data melalui scraping, pra-pemrosesan data yang mencakup rekayasa fitur temporal, hingga tuning hyperparameter menggunakan Bayesian Optimization. Hasil evaluasi kuantitatif menunjukkan bahwa model SVR dengan fitur baseline mencapai Mean Absolute Error (MAE) terendah sebesar €3.624.592. Namun, model XGBoost menunjukkan performa paling stabil dan konsisten di berbagai skenario. Validasi eksternal dilakukan dengan membandingkan hasil prediksi dengan data dari Transfermarkt menggunakan Fuzzy Matching, yang menunjukkan relevansi prediksi model dengan valuasi di dunia nyata. Penelitian ini memberikan dasar ilmiah untuk memilih model prediksi yang andal guna mendukung pengambilan keputusan strategis dalam manajemen klub sepak bola.

The market value of football players is a crucial aspect of the global sports industry, yet its prediction is often subjective and complex. This study aims to analyze and compare three machine learning algorithms Support Vector Regression (SVR), Extreme Gradient Boosting (XGBoost), and Random Forest in predicting the market value of players one year ahead using historical data from the FIFA video game (editions 12-25). This research identifies the most influential factors on market value, with player potential showing the strongest positive correlation. The CRISP-DM methodology was applied, from data collection via scraping, data preprocessing including temporal feature engineering, to hyperparameter tuning using Bayesian Optimization. The quantitative evaluation results indicate that the SVR model with baseline features achieved the lowest Mean Absolute Error (MAE) of €3,624,592. Nevertheless, the XGBoost model demonstrated the most stable and consistent performance across various scenarios. External validation was conducted by comparing the prediction results with data from Transfermarkt using Fuzzy Matching, which confirmed the relevance of the model's predictions to real-world valuations. This study provides a scientific basis for selecting a reliable prediction model to support strategic decision-making in football club management.
LOADING LIST...
LOADING LIST...

Detail Information

Bagian Informasi
Pengarang AZRIEL HENOCK JESAYES DIVA SIRAIT / 162021053 - Personal Name
0412097401 - Raden Budiraharjo, S.S., MT. - Personal Name
No. Panggil 0107IS/25
Subyek Analisis Perbandingan
Prediksi Nilai Pasar, Machine Learning, FIFA
Support Vector Regression, XGBoost, Random Forest
Fakultas FTI
Tahun Terbit 2025
Jurusan Sistem Informasi
Deskripsi Fisik
Info Detil Spesifik
  Tags :
Analisis Perbandingan
Prediksi Nilai Pasar, Machine Learning, FIFA
Support Vector Regression, XGBoost, Random Forest

Citation

. (2025).ANALISIS PERBANDINGAN PREDIKSI NILAI PASAR PEMAIN PADA GAME FIFA MENGGUNAKAN PENDEKATAN MACHINE LEARNING().Sistem Informasi:FTI

.ANALISIS PERBANDINGAN PREDIKSI NILAI PASAR PEMAIN PADA GAME FIFA MENGGUNAKAN PENDEKATAN MACHINE LEARNING().Sistem Informasi:FTI,2025.Text

.ANALISIS PERBANDINGAN PREDIKSI NILAI PASAR PEMAIN PADA GAME FIFA MENGGUNAKAN PENDEKATAN MACHINE LEARNING().Sistem Informasi:FTI,2025.Text

.ANALISIS PERBANDINGAN PREDIKSI NILAI PASAR PEMAIN PADA GAME FIFA MENGGUNAKAN PENDEKATAN MACHINE LEARNING().Sistem Informasi:FTI,2025.Text

 



Homepage Info

Koleksi  ETD adalah merupakan Tugas Akhir mahasiswa Itenas dalam menempuh program Sarjana/Magister. Seluruh isi dari Tugas Akhir adalah merupakan tanggung jawab penulis sepenuhnya.

Koleksi


Total ETDs : 20100

Total Kunjungan: 104449 dari Maret 2018

Media Sosial / Kanal

Facebook
Youtube
Instagram

Address

UPT Perpustakaan Itenas
Jl. PKH. Mustopha No.23
Bandung 40124, Indonesia
Phone: +62-22-7272215,
email: libary[at]itenas.ac.id

Fatal error: Uncaught Error: Call to undefined function curl_init() in /home/etdlibitenasac/public_html/index.php:115 Stack trace: #0 {main} thrown in /home/etdlibitenasac/public_html/index.php on line 115