OPTIMASI ALGORITMA C4.5 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN DISCRETIZATION PADA PREDIKSIHASIL PERTANDINGAN SEPAKBOLA ENGLISH PREMIER LEAGUE
Muhammad Bahyul Anwar Fuadi, 4611418021 (2022) OPTIMASI ALGORITMA C4.5 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION DAN DISCRETIZATION PADA PREDIKSIHASIL PERTANDINGAN SEPAKBOLA ENGLISH PREMIER LEAGUE. Under Graduates thesis, Universitas Negeri Semarang.
PDF
- Published Version
Restricted to Repository staff only Download (5MB) | Request a copy |
Abstract
Sepakbola menjadi salah satu olahraga yang populer. Salah satu kompetisi sepakbola yang memiliki persaingan kompetitif adalah English Premier League. Skripsi ini memiliki tujuan untuk mengetahui prediksi hasil pertandingan sepakbola English Premier League berupa home win (H), away win (A), dan draw (D) menggunakan algoritma C4.5 dengan Particle Swarm Optimization dan Discretization. Pada penelitian ini dilakukan perbandingan terhadap metode yang digunakan untuk mengetahui peningkatan akurasi yang didapatkan. Berdasarkan sepuluh kali proses pengujian didapatkan hasil akhir akurasi terbaik dari penggunaan algoritma C4.5 sebesar 57,24%, kemudian algoritma C4.5 dengan Discretization mendapatkan akurasi sebesar 65,13%, dan algoritma C4.5 dengan Discretization dan Particle Swarm Optimization mendapatkan akurasi sebesar 71,05%. Dapat disimpulkan bahwa penggunaan Discretization dan Particle Swarm Optimization dapat meningkatkan kinerja algoritma C4.5 dalam memprediksi hasil pertandingan English Premier League dengan peningkatan akurasi sebesar 13,81%.
Item Type: | Thesis (Under Graduates) |
---|---|
Uncontrolled Keywords: | data mining, decision tree C4.5, particle swarm optimization, discretization, football match prediction |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Fakultas: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer, S1 |
Depositing User: | TUKP unnes |
Date Deposited: | 29 Mar 2023 04:11 |
Last Modified: | 29 Mar 2023 04:11 |
URI: | http://lib.unnes.ac.id/id/eprint/56794 |
Actions (login required)
View Item |