View/Open

Author
VANESSA, OLIVIA ROSE

Date Published
09 Jan 2026

Advisor
Christyan Tamaro Nadeak, S.Si., M.Si.,
Ira Safitri, S.Si., M.Si., M.Sc.,

Subject
Sains Data

Publisher

Penelitian ini bertujuan untuk membangun sistem seleksi pemain yang objektif dan terukur dalam menentukan nominasi First Team di kompetisi DBL Lampung 2024/2025 kategori putra menggunakan pendekatan machine learning. Metode yang digunakan merupakan hybrid feature selection dari Filther Method berbasis nilai korelasi dan Random Forest sebagai embedded feature selection untuk pemilihan fitur terbaik akhir serta K-Means Clustering sebagai metode utama untuk proses pengelompokan pemain berdasarkan performa. Sebelumnya, data statistik performa pemain pada penelitian memiliki 14 fitur, lalu diseleksi menggunakan filter method menghasilkan 5 fitur utama, kemudian seleksi selanjutnya menggunakan random forest berbasis feature importance untuk memilih fitur terbaik. Hasil fitur terbaik kemudian dilanjutkan dengan dua pendekatan: pendekatan berbasis threshold mean yang menunjukkan dua fitur terpilih yaitu, Points (PTS), Rebounds (RB) dengan nilai importance score ≥ 0.2000; dan threshold berbasis cumulative importance ≥ 80% menunjukkan bahwa fitur paling berpengaruh adalah Points (PTS), Rebounds (RB), dan Assists (AST) dengan kontribusi kumulatif mencapai 83,7%. Data dinormalisasi menggunakan Z-score sebelum clustering. Berdasarkan hasil evaluasi menggunakan Elbow Method dan Silhouette Coefficient, jumlah cluster optimal diperoleh pada k=3 sebesar 0.7906 (79.06%) untuk pengelompokkan dua fitur dan 0,7575 (75,75%) untuk tiga fitur. Hasil menunjukkan struktur cluster yang kuat dan penerapan metode berhasil untuk mengelompokkan serta menyeleksi pemain yang layak masuk nominasi first team.

URI
https://repo.itera.ac.id/depan/submission/SB2601190018

Keyword
Feature Selection, K-Means Clustering, Random Fore