Implementasi Metode Support Vector Machine Dalam Memprediksi Kemenangan Atlet

Prediksi kemenangan atlet merupakan informasi yang penting dalam menentukan hasil akhir suatu pertandingan olahraga. Informasi tersebut dibutuhkan oleh Pulahta KONI JABAR untuk memprediksi peraihan medali atlet dalam suatu kejuaraan olahraga. Akan tetapi Pulahta kesulitan memprediksi kemenangan atlet secara langsung berdasarkan data fisik dan data kesehatan yang diimiliki karena data tersebut hanya bisa dimengerti oleh pelatih lapangan dan pelatih analisis atlet. Oleh karena itu diperlukan prediksi kemenangan atlet menggunakan suatu metode tertentu. Dalam prediksi kemenangan atlet berdasarkan kondisi fisik dan kondisi kesehatan dapat diperoleh melalui empat tahap, yaitu tahap seleksi atribut sebagai penentu parameter-parameter yang akan digunakan, tahap preprocessing sebagai normalisasi data masukan menggunakan metode scaling, tahap klasifikasi data masukan menggunakan metode support vector machine (svm) dan tahap prediksi kemenangan dari hasil klasifikasi dengan metode svm. Berdasarkan hasil pengujian pada 317 data masukan dengan 267 data latih dan 50 data uji menggunakan metode confusion matrix terhadap hasil prediksi kemenangan atlet. Dapat disimpulkan bahwa penggunaan metode svm dapat diimplementasikan untuk menghasilkan prediksi kemenangan atlet, dengan nilai akurasi di atas 80%.

Athlete�s victory prediction is important information in determining the outcome of a sporting event. The information that required by Pulahta KONI JABAR is to predict the medals athletes in sports championship. However Pulahta has difficulty in predicting athlete�s victory directly based on physical and health data because data can only be understood by coaches, and athletes trainers analysis. Therefore it is necessary predicting athlete�s victory using a particular method. In the prediction athlete�s victory, based on the physical and health conditions can be obtained through four stages, that are phase attribute selection as a determinant parameters that will be used, preprocessing phase as normalizing input data using a scaling method, phase of classification of the input data using support vector machine (svm) methods and the prediction phase victory of the classification results with svm method. Based on the results of testing on the input data 317 to 267 training data and 50 testing data using the confusion matrix of the prediction results athlete�s victory. It can be concluded that the use of svm methods can be implemented to generate athlete�s victory predictions, with accuracy values above 80%.