Penentuan pemilihan posisi pemain basket menggunakan metode adaptive neuro fuzzy-inference system: Studi kasus asosiasi bola basket UIN Maulana Malik Ibrahim Malang

INDONESIA:

Penentuan posisi pemain basket di Asosiasi Bola Basket UIN Maulana Malik Ibrahim Malang masih dilakukan secara subjektif sehingga sering menimbulkan ketidaktepatan komposisi tim. Penelitian ini bertujuan untuk menentukan posisi pemain secara objektif berdasarkan delapan atribut performa, yaitu tinggi badan, lay-up, shooting, under ring, vertical jump, dribbling, free throw, dan VO₂max. Metode yang digunakan adalah Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk melakukan klasifikasi berdasarkan pola data historis. Sebanyak 80 data pemain digunakan sebagai dataset yang kemudian dinormalisasi dan dilatih dalam delapan skenario kombinasi membership function, learning rate, dan epoch. Hasil penelitian menunjukkan bahwa model mencapai akurasi 50%, dengan nilai precision rata-rata 58%, recall rata-rata 51%, dan F1-score rata-rata 51%. Beberapa kelas menunjukkan performa unggul, seperti Center dengan precision 100%, recall 67%, dan F1-score 80%, serta Point Guard dengan precision 47%, recall 70%, dan F1-score 56%. Meskipun kelas lainnya seperti Power Forward, Shooting Guard, dan Small Forward belum mencapai performa tinggi, masing-masing tetap menunjukkan peningkatan dibandingkan skenario awal.

ENGLISH:

The positioning of basketball players in the UIN Maulana Malik Ibrahim Malang Basketball Association is still done subjectively, often resulting in inaccurate team composition. This study aims to determine player positions objectively based on eight performance attributes, namely height, lay-up, shooting, under ring, vertical jump, dribbling, free throw, and VO₂max. The method used is the Adaptive Neuro-Fuzzy Inference System (ANFIS) to perform classification based on historical data patterns. A total of 80 player data were used as a dataset, which was then normalized and trained in eight scenarios combining membership functions, learning rates, and epochs. The results showed that the model achieved 50% accuracy, with an average precision of 58%, an average recall of 51%, and an average F1-score of 51%. Several classes showed superior performance, such as Center with 100% precision, 67% recall, and 80% F1-score, and Point Guard with 47% precision, 70% recall, and 56% F1-score. Although other classes such as Power Forward, Shooting Guard, and Small Forward did not achieve high performance, each still showed improvement compared to the initial scenario.

ARAB:

لا يزال تحديد مواقع لاعبي كرة السلة في اتحاد كرة السلة جامعة مولانا مالك إبراهيم الإسلامية الحكومية مالانج يتم بشكل ذاتي، مما يؤدي في كثير من الأحيان إلى تشكيل فريق غير دقيق. تهدف هذا البحث إلى تحديد مواقع اللاعبين بشكل موضوعي بناءً على ثمانية سمات أداء، وهي الطول، والرمية المائلة، والرمية، والرمية تحت السلة، والقفز العمودي، والمراوغة، والرمية الحرة، و.VO2max ويكون طريقة نظام الاستدلال العصبي الضبابي التكيفي (ANFIS) لإجراء التصنيف بناءً على أنماط البيانات التاريخية. تم استخدام ما مجموعه ٨٠ بيانات لاعب كمجموعة بيانات، والتي تم بعد ذلك تطبيعها وتدريبها في ثمانية سيناريوهات تجمع بين وظائف العضوية ومعدلات التعلم والعصور. أظهرت النتائج أن النموذج حقق دقة بنسبة ٥٠٪، بمتوسط دقة ٥٨٪، ومتوسط استرجاع ٥۱٪، ومتوسط درجة F1 ٥۱٪. أظهرت عدة فئات أداءً متميزًا، مثل مركز الملعب بدقة ۱٠٠٪، واسترجاع ٦٧٪، ودرجة F1 ٨٠٪، وحارس النقاط بدقة ٤٧٪، واسترجاع ٧٠٪، ودرجة F1 ٥٦٪ على الرغم من أن الفئات الأخرى مثل المهاجم القوي، وحارس الرميات، والمهاجم الصغير لم تحقق أداءً عاليًا، إلا أن كل منها أظهر تحسنًا مقارنة بالسيناريو الأولي.