Prediksi Hasil Pertandingan Sepak Bola Menggunakan Metode FNN dan LSTM
Keywords:
program, jaringan syaraf tiruan, FNN, LSTM, prediksi, sepak bolaAbstract
Penelitian ini mengembangkan program menggunakan jaringan syaraf tiruan FNN untuk memprediksi persentase pemenang pertandingan sepak bola. Menggunakan data historis pertandingan, program ini menghasilkan prediksi berdasarkan faktor seperti histori permainan tim, tempat bertanding, dan tahun pertandingan. Evaluasi menunjukkan keberhasilan program dalam memberikan informasi berharga bagi penggemar, pelatih, dan petaruh. Potensi pengembangan meliputi mempertimbangkan faktor lain seperti tim yang bertanding, skor kedua tim, tempat diadakannya pertandingan, dan faktor-faktor lainnya yang mempengaruhi hasil pertandingan. Penggunaan jaringan syaraf tiruan FNN memberikan manfaat praktis dalam perencanaan strategi tim dan pengambilan keputusan yang efektif daripada LSTM.
References
A. P. Sari, E. A. Hakim, D. A. Prasetya, R. Arifuddin, and P. Dani, "Sistem Prediksi Kecepatan dan Arah Angin Menggunakan Bidirectional Long Short-Term Memory," in Seminar Keinsinyuran Program Studi Program Profesi Insinyur, vol. 1, 2021.
A. P. Sari, D. A. Prasetya, T. Yasuno, A. N. Sihananto, M. M. Al Haromainy, and W. S. Saputra, "Forecasting Model of Wind Speed and Direction by Convolutional Neural Network-Deep Convolutional Long Short Term Memory," in 2022 IEEE 8th Information Technology International Seminar (ITIS), pp. 200-205, October 2022.
Zein and G. Gunawan, "Prediksi Hasil FIFA World Cup Qatar 2022 Menggunakan Machine Learning dengan Python," Jurnal Riset Matematika, pp. 153-162, 2022.
A. Roihan, P. A. Sunarya, and A. S. Rafika, "Pemanfaatan Machine Learning dalam Berbagai Bidang," J. Khatulistiwa Informatika, vol. 5, no. 1, pp. 490845, 2020.
H. R. Isriwanto and I. V. Paputungan, "Analisis Kebutuhan Prediksi Pertandingan Bundesliga Menggunakan Metode Fuzzy," in Proceedings of the XYZ Conference, 2021, pp. 123-128.
A. P. Natasuwarna, "Tantangan menghadapi era revolusi 4.0-big data dan data mining," SINDIMAS, vol. 1, no. 1, pp. 23-27, 2019.
N. Hadianto, H. B. Novitasari, and A. Rahmawati, "Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network," J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 163-170, 2019.
N. A. Izati, B. Warsito, and T. Widiharih, "Prediksi Harga Emas Menggunakan Feed Forward Neural Network Dengan Metode Extreme Learning Machine," J. Gaussian, vol. 8, no. 2, pp. 171-183, 2019.
A. W. P. Aldi, J. Jondri, and A. Aditsania, "Analisis dan Implementasi Long Short Term Memory Neural Network untuk Prediksi Harga Bitcoin," in eProceedings of Engineering, vol. 5, no. 2, 2018.
S. C. Esananda, B. Nugroho, and F. T. Anggraeny, "Implementasi Fase Boosting pada Algoritma C5.0 dalam Menentukan Prestasi Akademik Siswa," in Prosiding Seminar Nasional Informatika Bela Negara, vol. 2, pp. 1-6, November 2021.
J. Mart, "International Football Results from 1872 to 2017," 2017. [Online]. Available: https://www.kaggle.com/datasets/martj42/international-football-results-from-1872-to-2017.
C. Tandian, Y. Laia, and A. Saputra, "Penerapan Data Mining Dalam Memprediksi Pemenang Klub Sepak Bola Pada Ajang Liga Champion Dengan Algoritma C.45," J. Sist. Inf. dan Ilmu Komputer Prima (JUSIKOM PRIMA), vol. 2, no. 2, pp. 91-98, 2019.
R. F. Muharram, "Implementasi Artificial Intelligence Untuk Deteksi Masker Secara Realtime Dengan Tensorflow Dan SSD Mobilenet Berbasis Pyton," JRKT (Jurnal Rekayasa Komputasi Terapan), vol. 1, no. 03, 2021.
M. R. Pratama, "Model Prediksi Hasil Pertandingan Sepakbola Menggunakan Kombinasi Particle Swarm Optimization-Neural Network Backpropagation," 2022.
K. P. Danukusumo, "Implementasi deep learning menggunakan convolutional neural network untuk klasifikasi citra candi berbasis GPU," Doctoral dissertation, UAJY, 2017
