Prediksi market value pemain sepak bola menggunakan Algoritma Random Forest (studi kasus pada pemain muda Eropa Berbakat U-22)

ABSTRAK:

Penelitian ini bertujuan untuk memprediksi nilai pasar (market value) pemainsepak bola muda berbakat usia U-22 di Eropa menggunakan algoritma Random Forest.Atribut yang digunakan dalam model meliputi usia, posisi, overall rating, potensial, tinggibadan, dan berat badan. Dataset diperoleh dari platform Kaggle dan melalui proses prapemrosesan seperti pembersihan data, transformasi format, normalisasi Min-Max, sertapembagian data latih dan uji dengan rasio 80:20. Evaluasi model dilakukan menggunakanmetrik R², MAE, dan RMSE. Hasil menunjukkan bahwa Random Forest mampumemprediksi nilai pasar secara akurat dengan nilai R² mencapai 0.95 dan MAE di bawah€100.000. Pengujian lebih lanjut menggunakan K-Fold Cross Validation dan tuninghyperparameter menunjukkan kestabilan model, serta mengidentifikasi bahwa overallrating dan potensial adalah fitur paling berpengaruh dalam prediksi nilai pasar pemain.

ABSTRACT:

This research aims to predict the market value of talented U-22 European footballplayers using the Random Forest algorithm. The model utilizes attributes such as age,position, overall rating, potential, height, and weight. The dataset was obtained fromKaggle and underwent preprocessing steps including data cleaning, format transformation,Min-Max normalization, and an 80:20 training-testing split. Model performance wasevaluated using R², MAE, and RMSE metrics. The results show that Random Forest canaccurately predict market value, achieving an R² score of 0.95 and a MAE below €100,000.Further evaluation using K-Fold Cross Validation and hyperparameter tuning demonstratedthe model’s stability and identified overall rating and potential as the most influentialfeatures in predicting a player’s market value

مستخلص البحث:

هتدف هذه الدراسة إىل التنبؤ بقيمة السوق لالعيب كرة القدم املوهوبني حتت سنموعةكز، التقييم العام، اإلمكانيات، الطول، والوزن. مت احلصول على جمالغابة العشوائية. يعتمد النموذج على خصائص مثل العمر، املرالبياانت من منصة Kaggle، ومتت معاجلتها من خالل تنظيف البياانت، وحتويل الصيغ، والتطبيع ابستخدام Min-Max، وتقسيمللتدريب واالختبار. مت تقييم أداء النموذج ابستخدام مؤشرات ٨٠:٢٠ البياانت بنسبة R²، وMAE، وRMSE. هرت النتائجأظأن اخلوارزمية تستطيع التنبؤ بدقة بقيمة السوق، حيث حقق النموذج قيمة R² وخطأ ٠٫٩٥ تقدر بـ MAE ١٠٠٫٠٠٠ أقل منيورو. كما أثبت اختبار Cross Validation أن التقييم العام واإلمكانيات مها العامالن نط املعامالت فعالية النموذج، وبنيوضباألكثر أتثريًا يف حتديد قيمة الالعب السوقية