SUGENG SUPRIADI (2018) KLASIFIKASI PENEMPATAN POSISI PEMAIN BASKET MENGGUNAKAN METODE MODIFIED K-NEAREST NEIGHBOR(MK–NN). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_2018100TIF.pdf Download (425kB) | Preview
Preview	Text 2. PENGESAHAN_2018100TIF.pdf Download (161kB) | Preview
Preview	Text 3. ABSTRAK_2018100TIF.pdf Download (96kB) | Preview
Preview	Text 4. KATA PENGANTAR_2018100TIF.pdf Download (107kB) | Preview
Preview	Text 5. DAFTAR ISI_2018100TIF.pdf Download (197kB) | Preview
Preview	Text 6. BAB I_2018100TIF.pdf Download (121kB) | Preview
Preview	Text 7. BAB II_2018100TIF.pdf Download (240kB) | Preview
Preview	Text 8. BAB III_2018100TIF.pdf Download (481kB) | Preview
Preview	Text 9. BAB IV_2018100TIF.pdf Download (3MB) | Preview
	Text 10. BAB V_2018100TIF.pdf Restricted to Repository staff only Download (385kB)
Preview	Text 11. BAB VI_2018100TIF.pdf Download (96kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_2018100TIF.pdf Download (102kB) | Preview

Abstract

Developmental Basketball League(DBL) merupakan suatu kompetisi liga basket pelajar Sekolah Menengah Atas terbesar yang ada di Indonesia. Dalam sebuah pertandingan basket tidak hanya strategi, kekompakan dan kerja sama tim saja yang menjadi penentu kemenangan, tetapi penempatan posisi pemain sangat penting. Kesalahan penempatan posisi pemain dapat mempengaruhi performatim, karena setiap pemain sudah memiliki tugas masing–masing sesuai posisi sehingga jika tidak pada posisi yang tepat maka off ense akan jadi berantakan. Saat ini pemilihan posisi dilakukan dengan mengandalkan naluri dari setiap pemainnya tanpa didukung dengan adanya data, nilai skill pemain dan karakteristik individual pemain itu sendiri. Pada penelitian ini dibangun sebuah sistem klasifikasi penempatan posisi pemain basket dengan menggunakan metode Modified K-Nearest Neighbor. Data yang digunakan dalam penelitian adalah data game NBA Live sebanyak 1500 record dengan 8 atribut yang terdiri dari 5 kelas yaitu Point Guard, Shooting Guard, Small Forward, Power Forward, Center. Proses data selection dilakukan secara manual. Kemudian dilakukan proses transformasi, perhitungan jarak menggunakan Euclidean. Proses selanjutya menghitung validitas, dan weight voting. Hasil dari analisa perancangan klasifikasi diimplementasikan pada sistem berbasis web. Pengujian akurasi sistem dilakukan dengan cara membagi data latih dan data uji menjadi 5 skenario 90:10, 80:20, 70:30, 60:40 dengan menggunakan k=1 hingga k=5. Hasil pengujian yang dilakukan dapat mengklasifikasikan dengan tingkat akurasi yang baik mencapai 83% pada skenario 80:20 dan k=3. Kata kunci: Bola Basket, Data Mining, DBL, Klasifikasi, Modified K-Nearest Neighbor

Actions (login required)

View Item