KLASIFIKASI MULTI KELAS BERDASARKAN POSISI PEMAIN SEPAK BOLA MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION

Penempatan posisi pemain yang tepat merupakan faktor kritis dalamrnkesuksesan tim sepak bola, namun ketidaktepatan sering terjadi akibat kurangnyarnpendekatan berbasis data. Penelitian ini bertujuan mengoptimalkan klasifikasirnposisi pemain La Liga menggunakan algoritma Logistic Regression denganrnhyperparameter tuning. Dataset diambil dari EA FC SPORTS 25, mencakup 529rnpemain dan 29 atribut statistik (kecepatan, tembakan, bertahan) sebagai fitur.rnMetode penelitian meliputi: (1) preprocessing data (standarisasi fitur numerik), (2)rnpembagian data dengan rasio 80:20, 70:30, 60:40, dan 90:10, (3) pelatihan modelrndengan Grid Search untuk optimasi parameter (C: 0.01–100, solver: lbfgs/liblinear,rnmax_iter: 200–1000), serta (4) evaluasi menggunakan akurasi, presisi, recall, danrnF1-score. Hasil menunjukkan kombinasi terbaik pada rasio 80:20 dengan C=1,rnsolver=liblinear, dan max_iter=200, menghasilkan akurasi 92,45%, presisi 92,64%,rnrecall 92,45%, dan F1-score 92,44%. Optimasi hyperparameter meningkatkanrnakurasi 2-4% dibanding konfigurasi default, sementara rasio 60:40 memberikanrnakurasi terendah (88,68%) akibat keterbatasan data latih. Penelitian membuktikanrnefektivitas Logistic Regression dalam klasifikasi multikelas berbasis atribut teknisrnpemain, sekaligus menegaskan pentingnya tuning dan proporsi data yang seimbang.rnImplikasi praktisnya, model ini dapat menjadi alat bantu objektif bagi pelatih dalamrnstrategi penempatan pemain.