Prediksi Hasil Akhir Klasemen English Premiere League 2024-2025 Menggunakan Algoritma LSTM

Muhamad Ramadhan, Ragil (2025) Prediksi Hasil Akhir Klasemen English Premiere League 2024-2025 Menggunakan Algoritma LSTM. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (14MB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (345kB)
	PDF BAB_III.pdf Download (272kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (588kB)
	PDF BAB_V.pdf Download (204kB)
	PDF DAFTAR_PUSTAKA.pdf Download (216kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (601kB)

Abstract

English Premier League (EPL) merupakan salah satu liga sepak bola paling populer dan kompetitif di dunia, sehingga prediksi klasemen akhir musim menjadi tantangan menarik dalam bidang analitik olahraga. Penelitian ini bertujuan membangun model prediksi peringkat akhir klasemen EPL menggunakan algoritma Long Short-Term Memory (LSTM), yang mampu mempelajari pola data time-series dari performa tim sepanjang musim. Dataset yang digunakan mencakup statistik pertandingan dari musim 2000/2001 hingga 2023/2024 yang diperoleh dari Kaggle dan FBref, dilengkapi dengan fitur tambahan seperti elo rating, expected goals (xG), form, serta progres musim. Data kemudian diproses menjadi format sekuensial per tim dan musim, serta dibagi menjadi data latih dan data uji. Model dilatih dan dituning menggunakan metode Hyperband. Hasil evaluasi model pada data uji musim 2024/2025 menunjukkan nilai Mean Absolute Error (MAE) sebesar 1,87, Mean Squared Error (MSE) sebesar 6,5, korelasi Spearman sebesar 0,89, dan korelasi Kendall Tau sebesar 0,76. Nilai evaluasi tersebut menunjukkan bahwa model LSTM mampu memprediksi peringkat akhir dengan akurasi tinggi dan korelasi kuat terhadap data aktual. Penelitian ini diharapkan dapat menjadi kontribusi dalam pengembangan sistem prediksi berbasis data di ranah olahraga, khususnya sepak bola.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Muhamad Ramadhan, Ragil (00000058511)
Contributors:	Aditiyawan, Aditiyawan (8994550022)
Keywords:	English Premier League, Long Short-Term Memory, Prediksi
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 07:24
URI:	https://kc.umn.ac.id/id/eprint/40246

Actions (login required)

View Item