Perbandingan Algoritma Naives Bayes dan Random Forest Dalam Prediksi Hasil Klasemen English Premier League

English Premier League dikenal sebagai liga sepak bola paling kompetitif dan menarik untuk dianalisis secara statistik. Penelitian ini dilakukan untuk perbandingan kinerja dua algoritma machine learning, yakni Naïve Bayes dan Random Forest, dalam memprediksi posisi akhir klasemen berdasarkan data statistik pertandingan. Data dikumpulkan melalui teknik web scraping dari situs FBref.com, mencakup tiga musim kompetisi serta sejumlah fitur relevan lainnya. Setelah melalui tahap preprocessing, data kemudian dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. Evaluasi terhadap model dilakukan menggunakan berbagai metrik, seperti akurasi, presisi, recall, F1-score, serta confusion matrix. Hasil dari pengujian memperlihatkan algoritma Naïve Bayes meraih akurasi sebesar 69,83% dan menunjukkan kinerja yang cukup baik dalam memprediksi hasil seri. Di sisi lain, algoritma Random Forest menunjukkan hasil performa yang unggul dengan akurasi mencapai 99,57%, serta nilai presisi, recall, dan F1-score yang tinggi dan konsisten. Prediksi klasemen akhir yang dihasilkan oleh Random Forest juga lebih mendekati hasil sebenarnya. Berdasarkan temuan ini, dapat disimpulkan bahwa Random Forest lebih mampu menangani kompleksitas data pertandingan sepak bola dan lebih direkomendasikan untuk digunakan dalam sistem prediksi di bidang analitik olahraga.

Kata Kunci: Machine Learning, Naïve Bayes, Random Forest, Prediksi Klasemen, Premier League