Pengembangan Model Prediksi Pemain Baseball Menggunakan Algoritma XGBoost dan Regresi Linier: Studi Kasus pada Data Statistik Pemain MLB

Rizky Azzakky, Muhammad (2025) Pengembangan Model Prediksi Pemain Baseball Menggunakan Algoritma XGBoost dan Regresi Linier: Studi Kasus pada Data Statistik Pemain MLB. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (319kB)
	PDF BAB_II.pdf Download (409kB)
	PDF BAB_III.pdf Download (311kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (197kB)
	PDF DAFTAR_PUSTAKA.pdf Download (196kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Penelitian ini bertujuan untuk melakukan eksplorasi data statistik pemain baseball guna mendukung pengembangan model prediksi nilai kontrak berdasarkan performa. Data diperoleh dari tiga sumber utama: Fangraphs, Baseball-Reference, dan Sean Lahman. Dataset mencakup lima kategori utama: 4.891 data Batting (2010­2024), 66 data Consumer Price Index (CPI), 151.508 data Fielding, 1.703 data Team Batting, dan 3.046 data Team Statistic. Tahap eksplorasi dilakukan untuk memahami struktur, kualitas, serta pola hubungan antar data. Langkah eksplorasi meliputi pemeriksaan nilai hilang, duplikasi, distribusi nilai, dan outlier. Statistik deskriptif diterapkan untuk menilai performa pemain, sementara analisis korelasi dilakukan untuk mengidentifikasi keterkaitan antara metrik performa dan nilai kontrak (jika tersedia). Dataset juga dianalisis berdasarkan posisi pemain, serta disesuaikan dengan CPI untuk mempertimbangkan pengaruh inflasi terhadap nilai kontrak. Penggabungan antar dataset dilakukan berdasarkan tahun dan playerID untuk memberikan pandangan yang menyeluruh terhadap kontribusi pemain. Hasil eksplorasi menunjukkan adanya variasi performa yang signifikan antar posisi serta potensi pengaruh faktor eksternal seperti inflasi terhadap valuasi pemain. Eksplorasi ini menjadi tahap awal yang penting dalam membangun model prediktif yang kuat, serta memberikan dasar strategis bagi manajemen tim dalam pengambilan keputusan berbasis data.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Baseball Prediction, Linear Regression, Machine Learning, Sabermetrics, Statistics, XGBoost.
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	02 Aug 2025 11:02
Last Modified:	02 Aug 2025 11:02
URI:	https://kc.umn.ac.id/id/eprint/39710

Actions (login required)

View Item