KLASTERISASI PERFORMA PEMAIN SEPAKBOLA LIGAINDONESIA MENGGUNAKAN ALGORITMA K-MEANS(Studi Kasus:IndonesiaS occer Championship2016)

EFRISES NASDOELTA, (2018) KLASTERISASI PERFORMA PEMAIN SEPAKBOLA LIGAINDONESIA MENGGUNAKAN ALGORITMA K-MEANS(Studi Kasus:IndonesiaS occer Championship2016). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018375TIF.pdf

Download (194kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018375TIF.pdf

Download (298kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018375TIF.pdf

Download (175kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018375TIF.pdf

Download (201kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018375TIF.pdf

Download (172kB) | Preview
[img]
Preview
Text
6. BAB I_2018375TIF.pdf

Download (208kB) | Preview
[img]
Preview
Text
7. BAB II_2018375TIF.pdf

Download (438kB) | Preview
[img]
Preview
Text
8. BAB III_2018375TIF.pdf

Download (228kB) | Preview
[img]
Preview
Text
9. BAB IV_2018375TIF.pdf

Download (1MB) | Preview
[img] Text
10. BAB V_2018375TIF.pdf
Restricted to Repository staff only

Download (318kB)
[img]
Preview
Text
11. BAB VI_2018375TIF.pdf

Download (173kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA_2018375TIF.pdf

Download (177kB) | Preview

Abstract

Performa pemain sepak bola dinilai penting dalam sepak bola. Peraturan tentang performa pemain hanya ditentukan berdasarkan asumsi dan tidak ada riset yang khusus yang dilakukan olehpelatih atau Persatuan Sepak bola Seluruh Indonesia (PSSI). Maka dari itu diperlukan upaya untuk perbaikan aturan yang selama ini dibuat oleh pelatih atauPSSI. Salah satu upaya untuk mengelompokan pemain adalah dengan cara memanfaatkan proses data mining.Data yang banyak,komplek, dan rumit dapat diolah untuk mendapatkan informasi dengan menggunakan data mining.Untuk mengelompokan data menjadi beberapa klaster berdasarkan kemiripan digunakan metodeklusterdengan algoritma k-means. Penelitian ini menggunakan data pemain sepakbola ligaIndonesia tahun 2016. Kemiripan data diukur berdasarkan jarak tiap data dengan menggunakan rumus Euclidian Distance. Hasil kluster dibagi menjadi 3 yaitu, klaster1buruk43,52%, kluster2sangat baik 21,08%, dan kluster3 baik 35,90%.Diharapkan informasi ini dapat memudahkan pelatih atau PSSI dalam membuat kebijakan atau aturan untuk dapat meningkatkan kualitas ligaIndonesia.Kata Kunci:Clustering,Euclidean Distance,K-Means,Liga Indonesia,Performa,PSSI,sepakbola.

Item Type: Thesis (Skripsi)
Subjects: 700 Kesenian, Hiburan dan Olahraga
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 11 Jul 2019 05:38
Last Modified: 11 Jul 2019 05:38
URI: http://repository.uin-suska.ac.id/id/eprint/15711

Actions (login required)

View Item View Item