Perbandingan Metode Random Forest, K-Nearest Neighbor, dan SVM Dalam Prediksi Akurasi Pertandingan Liga Italia

Abstract

Prediksi (Forecasting) dilakukan hampir oleh semua kalangan, baik itu pengusaha, pemerintah, dan juga orang awam. Masalah yang diramalkan pun bermacam-macam, seperti prakiraan cuaca, jumlah penjualan, skor pertandingan, maupun tingkat inflasi ekonomi. Algoritma KNN (K-Nearest Neighbor), SVM (Support Vector Machine), dan Random Forest merupakan metode machine learning yang dapat digunakan untuk mengatasi suatu permasalahan yang berhubungan dengan deret dan situasi peramalan. Perlu diketahui bahwa ketiga algoritma tersebut baik dalam melakukan ramalan, karena itu perlu dilakukan perbandingan diantara ketiga metode tersebut supaya bisa menentukan metode mana yang sangat baik. Perlunya mengetahui prediksi kemenangan tim pertandingan sepak bola liga italia selalu menjadi pembahasan yang tidak pernah dilewatkan oleh penggemar sepak bola, oleh karena itu peramalan sangat berguna untuk melihat gambaran-gambaran tentang masa mendatang sehingga para penggemar sepakbola dan pelatih tim sepak bola dapat mengantisipasi suatu kejadian yang mendatang. Misalnya, penggemar ataupun pelatih tim sepak bola liga italia dapat memperkirakan kemenangan tim dalam masa yang mendatang. Penelitian ini menggunakan data pertandingan Liga Italia pada musim 2020/2021. Algoritma SVM menghasilkan akurasi terbaik yaitu sebesar 64%, sedangkan algoritma KNN menghasilkan akurasi terendah yaitu 57%, dan algoritma Random forest menghasilkan akurasi sebesar 62%. Dengan hasil penelitian ini, ketiga algoritma disimpulkan kurang baik dalam memprediksi pertandingan sepakbola