Text
Klasifikasi Posisi Terbaik Pemain Muda Pada Game Football Manager 2024 Menggunakan Algoritma Machine Learning Random Forest Dan Decision Tree
Penentuan posisi terbaik pemain muda dalam gim Football Manager 2024 (FM24) umumnya masih bergantung pada intuisi manajer dan rekomendasi default, sehingga potensi data atribut teknikal, mental, dan fisik belum dimanfaatkan optimal untuk pengambilan keputusan berbasis data. Penelitian ini bertujuan membangun dan menganalisis model klasifikasi posisi pemain muda berbasis supervised machine learning, membandingkan kinerja decision tree dan random forest, sekaligus mengidentifikasi atribut yang paling berpengaruh dan mengecek dampaknya melalui uji in-game. Dataset terdiri dari 909 pemain berusia ?21 tahun dari lima liga top Eropa dengan 39 atribut numerik yang diproses melalui tahapan preprocessing, pembagian data secara stratified, dan pelatihan model pada 12 kelas posisi utama. Evaluasi menggunakan akurasi, precision, recall, f1-score, confusion matrix, serta 5-fold cross-validation. Hasil menunjukkan random forest secara konsisten mengungguli decision tree dengan akurasi dan F1-weighted sekitar dua pertiga, sedangkan decision tree berada di kisaran setengah. Analisis feature importance mengungkap kombinasi atribut teknikal menyerang dan bertahan, atribut mental-posisional, serta atribut fisik sebagai penentu utama, dengan sekitar 15 fitur teratas yang mampu menjaga kinerja model. Uji in-game terhadap tujuh pemain muda pada serangkaian laga uji coba menunjukkan bahwa penempatan berdasarkan prediksi model umumnya tidak menurunkan dan dalam banyak kasus justru meningkatkan rata-rata match rating pemain. Temuan ini menegaskan bahwa Random Forest layak digunakan sebagai alat bantu pengambilan keputusan yang tervalidasi sekaligus menawarkan ringkasan atribut kunci bagi pengembangan talenta muda dan riset lanjutan.
No other version available