Prediksi kemenangan atlet pencak silat pada kejuaraan dunia tapak suci 2025 menggunakan random forest

ABSTRAK:

Pencak silat merupakan olahraga bela diri yang menuntut kesiapan fisik, pengalaman bertanding, intensitas latihan, serta kondisi psikologis atlet untuk mencapai hasil pertandingan yang optimal. Penelitian ini bertujuan untuk membangun model prediksi kemenangan atlet Pencak Silat pada Kejuaraan Dunia Tapak Suci 2025 menggunakan algoritma Random Forest, menilai performa model, serta mengidentifikasi variabel yang paling berpengaruh terhadap hasil prediksi kemenangan atlet. Data yang digunakan merupakan data primer hasil survei terhadap 226 atlet Tapak Suci dengan 15 atribut. Tahapan penelitian meliputi preprocessing data, pembagian data menggunakan tiga skenario split data (70:30, 80:20, dan 90:10), pelatihan model, tuning hyperparameter menggunakan Grid Search Cross Validation, evaluasi model menggunakan accuracy, precision, recall, dan F1-score, serta analisis feature importance. Hasil penelitian menunjukkan bahwa seluruh skenario pembagian data menghasilkan performa yang tinggi. Pada skenario tersebut, model Random Forest menghasilkan nilai accuracy sebesar 95,65%, precision sebesar 95,99%, recall sebesar 95,65%, dan F1-score sebesar 95,64%. Skenario pembagian data 80:20 memperoleh mean accuracy sebesar 88,33% dan standar deviasi sebesar 5,80% berdasarkan 10-Fold Cross Validation. Analisis feature importance menunjukkan bahwa intensitas latihan harian, kemampuan mengontrol emosi saat bertanding, total perolehan medali, frekuensi latihan mingguan, dan tingkat motivasi untuk menang merupakan variabel yang paling berpengaruh terhadap hasil prediksi kemenangan atlet. Dengan demikian, algoritma Random Forest terbukti berhasil dalam memprediksi hasil atlet pencak silat serta mengidentifikasi faktor-faktor yang berpengaruh terhadap keberhasilan atlet dalam pertandingan.

ABSTRACT:

Pencak silat is a martial art that demands physical readiness, competitive experience, training intensity, and the psychological condition of athletes to achieve optimal match results. This study aims to build a prediction model for the victory of Pencak Silat athletes in the 2025 Tapak Suci World Championship using the Random Forest algorithm, assess the model's performance, and identify the variables that most significantly influence the prediction results. The data used in this study consists of primary data obtained from a survey of 226 Tapak Suci athletes featuring 15 attributes. The research stages included data preprocessing, data splitting using three scenarios (70:30, 80:20, and 90:10), model training, hyperparameter tuning using Grid Search Cross Validation, model evaluation using accuracy, precision, recall, and F1-score, and feature importance analysis. The results indicated that all data-splitting scenarios yielded high performance. In these scenarios, the Random Forest model achieved an accuracy of 95.65%, precision of 95.99%, recall of 95.65%, and an F1-score of 95.64%. The 80:20 data-splitting scenario obtained a mean accuracy of 88.33% and a standard deviation of 5.80% based on 10-Fold Cross Validation. Furthermore, the feature importance analysis revealed that daily training intensity, the ability to control emotions during matches, total medal count, weekly training frequency, and the level of motivation to win were the most influential variables affecting the prediction of an athlete's victory. Thus, the Random Forest algorithm is proven successful in predicting the outcomes of pencak silat athletes and identifying the factors that contribute to their success in competitions.

مستخلص البحث:

تُعدّ رياضة بنجاك سيلات من الرياضات القتالية التي تتطلب الاستعداد البدني، والخبرة في المنافسات، وشدة التدريب، والحالة النفسية للاعب من أجل تحقيق أفضل النتائج في المباريات. يهدف هذا البحث إلى بناء نموذج للتنبؤ بفوز لاعبي بنجاك سيلات في بطولة العالم لتاباك سوسي ٢٠٢٥ باستخدام خوارزمية الغابة العشوائية (Random Forest)، وتقييم أداء النموذج، بالإضافة إلى تحديد المتغيرات الأكثر تأثيرًا في نتائج التنبؤ بفوز اللاعبين. تُستخدم في هذا البحث بيانات أولية ناتجة عن استبيان شمل ٢٢٦ لاعبًا من لاعبي تاباك سوسي، وتحتوي البيانات على ١٥ سمة. وتشمل مراحل البحث المعالجة المسبقة للبيانات (Data) (Preprocessing)،وتقسيم البيانات باستخدام ثلاثة سيناريوهات لتقسيم البيانات (٧٠:٣٠، ٨٠:٢٠، و٩٠:١٠)، وتدريب النموذج، وضبط المعلمات الفائقة (Hyperparameter Tuning) باستخدام طريقة البحث الشبكي مع التحقق المتقاطع (Grid Search Cross Validation)، وتقييم النموذج باستخدام مقاييس الدقة (Accuracy) ،والدقة (Precision)،والاستدعاء (Recall)، ودرجة F1 (F1-score) ، بالإضافة إلى تحليل أهمية الخصائص (Feature) (Importance).أظهرت نتائج البحث أن جميع سيناريوهات تقسيم البيانات حققت أداءً مرتفعًا. وفي أحد السيناريوهات، حقق نموذج الغابة العشوائية (Random Forest) قيمة دقة (Accuracy) بلغت ٩٥٫٦٥٪، وقيمة الدقة (Precision) بلغت ٩٥٫٩٩٪، وقيمة الاستدعاء (Recall) بلغت ٩٥٫٦٥٪، ودرجة F1 (F1-score) بلغت ٩٥٫٦٤٪. كما حصل سيناريو تقسيم البيانات بنسبة ٨٠:٢٠ على متوسط دقة (Mean Accuracy) قدره ٨٨٫٣٣٪، وانحراف معياري قدره ٥٫٨٠٪ بناءً على التحقق المتقاطع ذي العشر طيات (10-Fold Cross Validation).وأظهر تحليل أهمية الخصائص (Feature( Importance) أن شدة التدريب اليومي، والقدرة على التحكم في المشاعر أثناء المباراة، وإجمالي عدد الميداليات المحصل عليها، وتكرار التدريب الأسبوعي، ومستوى الدافع نحو الفوز، هي المتغيرات الأكثر تأثيرًا في نتائج التنبؤ بفوز اللاعبين. وبناءً على ذلك، ثبت أن خوارزمية الغابة العشوائية (Random Forest) قادرة على التنبؤ بنتائج لاعبي بنجاك سيلات بنجاح، وكذلك تحديد العوامل المؤثرة في تحقيق نجاح اللاعبين أثناء المنافسات.