Penerapan Metode K-NN (K-Nearest Neighbor) Untuk Klasifikasi Posisi Pemain Sepak Bola

Sepak bola adalah olahraga paling diminati dan populer di dunia, klaim ini mungkin tidak terbantahkan, Ada berbagai macam kunci kemenangan tim, misalnya komposisi pemain, kejelian pelatih, pemilihan posisi dan formasi yang tepat, kemampuan individual pemain dan lain sebagainya. Salah satu keberhasilan dari kemenangan tim yaitu penempatan posisi pemain yang sesuai kemampuan dengan pemain tersebut. Pemain yang dipilih pelatih terkadang tidak sesuai antara kemampuan yang dimiliki pemain dengan standart yang di inginkan dan penilain untuk menentukan posisi pengamatan masih melalui insting pengamatan pelatih. Masalah ini sering dihadapi dalam sebuah tim sepak bola. Penempatan posisi pemain yang tidak sesuai dengan kemampuan yang dimilikinya, akan berdampak dalam permainan sebuah tim. Sehingga untuk menyelesaikan permasalahan tersebut diperlukan suatu sistem yang membantu pelatih dalam menentukan posisi sepakbola. Metode K-NN (K-Nearest Neighbor) termasuk dalam sepuluh algoritma terbaik dalam data mining dan machine learnin. Penelitian ini menggunakan data sebanyak 528 data pemain Sepak Bola Liga 1 Indonesia dan kelas klasifikasi yang digunakan yaitu Bek Kanan, Bek Kiri, Bek Tengah, Gelandang Bertahan, Gelandang Serang, Gelandang Tengah, Kiper, Sayap Kanan, Sayap Kiri, Striker. Pengujian menggunakan nilai k 1 sampai k 422 pada K-NN untuk K-Fold 5 dan k 1 sampai k 475 untuk pada K-NN untuk K-Fold 10. Penelitian ini memperoleh akurasi terbaik sebesar 62,52% di K-Fold 5 dengan nilai k 12 pada K-NN.