PERBANDINGAN AKURASI ALGORITMA NAÏVE BAYES DAN DECISION TREE DALAM PREDIKSI PEMENANG PERTANDINGAN PES 2021

Abstract

E-sports telah berkembang menjadi industri kompetitif yang memerlukan analisis data untuk meningkatkan strategi permainan dan prediksi hasil pertandingan. Salah satu tantangan utama dalam bidang ini adalah memprediksi hasil pertandingan dengan tingkat akurasi tinggi, terutama dalam game Pro Evolution Soccer (PES) 2021. Permasalahan dalam penelitian ini berfokus pada efektivitas algoritma kecerdasan buatan dalam menangani berbagai variabel pertandingan, seperti strategi tim, performa pemain, dan statistik pertandingan, untuk menghasilkan prediksi yang akurat. Penelitian ini bertujuan untuk membandingkan akurasi algoritma Naïve Bayes dan Decision Tree dalam memprediksi pemenang pertandingan PES 2021. Dengan membandingkan kedua metode ini, penelitian ini diharapkan dapat mengidentifikasi algoritma yang lebih efektif dalam melakukan prediksi berbasis data. Metode penelitian meliputi pengumpulan data pertandingan PES 2021, tahap pra-pemrosesan untuk membersihkan dan menyusun data, pelatihan model menggunakan algoritma Naïve Bayes dan Decision Tree, serta evaluasi akurasi menggunakan confusion matrix sebagai metrik penilaian. Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes memiliki tingkat akurasi yang lebih tinggi dibandingkan Decision Tree dalam memprediksi pemenang pertandingan. Temuan ini memberikan wawasan bagi pengembangan model prediksi yang lebih akurat di bidang e-sports serta membantu pemain dan analis dalam menyusun strategi berdasarkan prediksi hasil pertandingan.