PUSTAKAGALERIMANDIRIPUSTAKAGALERIMANDIRI

Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer)Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer)

Prediksi hasil pertandingan sepak bola merupakan permasalahan yang kompleks karena dipengaruhi oleh banyak faktor yang saling berinteraksi serta tingkat ketidakpastian yang tinggi. Seiring dengan berkembangnya analitik data dan kecerdasan buatan, berbagai pendekatan statistik, machine learning, dan deep learning telah diterapkan untuk meningkatkan kinerja prediksi hasil pertandingan sepak bola. Penelitian ini bertujuan untuk melakukan Systematic Literature Review (SLR) terhadap studi-studi yang membahas prediksi hasil pertandingan sepak bola guna mengidentifikasi pendekatan dan algoritma yang paling banyak digunakan, menganalisis jenis fitur dan sumber data yang dimanfaatkan, serta membandingkan kinerja dan keterbatasan metode yang diusulkan.

Berdasarkan hasil Systematic Literature Review yang telah dilakukan terhadap penelitian-penelitian terkait prediksi hasil pertandingan sepak bola, dapat disimpulkan bahwa pendekatan machine learning merupakan metode yang paling banyak digunakan dalam literatur.Algoritma machine learning klasik, seperti Naïve Bayes, Logistic Regression, Support Vector Machine, dan Random Forest, masih mendominasi karena kemudahan implementasi serta kemampuannya dalam menangani data statistik pertandingan.Selain itu, pendekatan ensemble dan fusion-based models menunjukkan kinerja yang lebih stabil dan konsisten dibandingkan model tunggal, khususnya pada dataset berskala menengah hingga besar.Dari sisi fitur dan sumber data, hasil tinjauan menunjukkan bahwa kualitas dan relevansi fitur memiliki pengaruh yang signifikan terhadap kinerja model prediksi.Statistik pertandingan dasar masih menjadi fitur yang paling umum digunakan, namun penelitian-penelitian menunjukkan kecenderungan pemanfaatan data berbasis peristiwa (event-based data) serta data performa pemain untuk merepresentasikan konteks permainan secara lebih realistis.Proses pemilihan fitur (feature selection) terbukti menjadi faktor penting yang sering kali lebih menentukan keberhasilan model dibandingkan pemilihan algoritma semata.Hasil tinjauan juga menunjukkan bahwa tidak terdapat satu pendekatan yang secara konsisten unggul dalam seluruh konteks prediksi hasil pertandingan sepak bola.Pendekatan statistik klasik unggul dari sisi kesederhanaan dan interpretabilitas, namun memiliki keterbatasan dalam menangkap permainan modern.Pendekatan machine learning dan ensemble menawarkan fleksibilitas dan kinerja, sedangkan deep learning dan model hibrida menunjukkan potensi dalam memodelkan hubungan nonlinier dan ketergantungan temporal, meskipun masih menghadapi tantangan berupa kebutuhan data berskala besar dan rendahnya interpretabilitas.Secara keseluruhan, penelitian ini menunjukkan bahwa prediksi hasil pertandingan sepak bola merupakan permasalahan multidimensi yang dipengaruhi oleh kombinasi metode, fitur, dan karakteristik data.Oleh karena itu, pemilihan pendekatan yang tepat perlu disesuaikan dengan tujuan penelitian, ketersediaan data, serta kebutuhan interpretabilitas.Penelitian selanjutnya disarankan untuk mengembangkan pendekatan yang mampu menyeimbangkan interpretabilitas model, kemudahan implementasi, serta melakukan evaluasi lintas liga dan dataset untuk meningkatkan generalisasi hasil.

Untuk penelitian lanjutan, disarankan untuk mengembangkan pendekatan yang mampu menyeimbangkan interpretabilitas model, kemudahan implementasi, serta melakukan evaluasi lintas liga dan dataset untuk meningkatkan generalisasi hasil. Selain itu, perlu dipertimbangkan untuk mengkaji lebih lanjut aspek pemilihan fitur dan sumber data, khususnya data berbasis peristiwa dan performa pemain, untuk meningkatkan akurasi prediksi. Penelitian juga dapat fokus pada pengembangan model yang mampu menangkap dinamika permainan modern dan memprediksi hasil pertandingan dengan lebih akurat. Terakhir, penelitian dapat mengeksplorasi potensi penggunaan deep learning dan model hibrida untuk memodelkan hubungan nonlinier dan ketergantungan temporal dalam data sepak bola, dengan mempertimbangkan kebutuhan data berskala besar dan interpretabilitas model.

Read online
File size331.51 KB
Pages10
DMCAReport

Related /

ads-block-test