FIFA 19 Player Data

Telematika.ORG
@telematika_org

Latar belakang dari proyek tugas besar kami ialah speak bola karena sepak bola merupakan salah satu olahraga terpopuler di dunia. Di dalam dunia sepak bola sendiri sudah ada bagaikan sebuah industri yang melibatkan pertukaran pemain, data dan analisis untuk menunjang kemajuan dari sebuah klub maupun liga. Tujuan utamanya ialah untuk menganalisis karakteristik aspek dasar pemain, beserta karakteristik aspek klub terbaik eropa. Manfaatnya ialah untuk mengetahui analisis beberapa statistik penting yang didapatkan dari game FIFA19. Karena game FIFA ini mengambil data dan pengamatan dari dunia nyata, maka hasil ini dapat juga diimplementasikan ke dunia nyata.

Untuk tools atau alat-alat berseta metodologi yang kami gunakan ialah kami menggunakan google colab sebagai main platform kami untuk mengerjakan codingan untuk tubes kami karena dapat diakses dan dikerjakan dari mana saja dan juga tampilannya sangat membantu dalam proses pengodingan dengan adanya blok yang membagi2 bagian kodingan. Selain itu kami juga menggunakan Kagge sebagai platform kami untuk mendapatkan dataset FIFA19.

Untuk load csv, kami menggunakan metode dimana kami meng-upload csv ke sistem gcolab baru kemudian diread. Lalu ada juga data manipulation dimana yang awalnya data value dan wages merupakan string, kami ubah ke float dengan mengganti M dengan 106 dan k dengan 103. Lalu untuk histogram vertikal kami menggunakan tipe seaborn, dimana histogram ini kami gunakan untuk distribusi overall dan potential rating seluruh pemain di FIFA. Untuk scatter plot, kami menggunakan plot express dimana akan digunakan untuk melihat hubungan antara overall, potential, dan value dan wage. Dan juga untuk histogram horizontal, kami gunakan untuk melihat top ten dari masing-masing aspek club seperti overall, value, dan wage. Kemudian ada bar distribusi dari masing-masing klub dengan aspek tertentu menggunakan matplotlib. Lalu kami juga bisa gunakan metode melihat data mentah statistik sebuah klub atau pemain tertentu untuk konfirmasi.

Beberapa kesimpulan yang dapat diambil dari hasil analisis adalah : -Potential merupakan Overall tertinggi dari perkembangan suatu pemain -Potential rating ditentukan manual oleh pembuat game dengan pengamatan lapangan -Persebaran value pemain terbanyak ada di bawah 5 M -Masa prime suatu pemain ada di sekitar umur 27 tahun -Semakin tinggi overall dan potential rating pemain, value semakin tinggi -Semakin tua pemain, value semakin rendah -Klub dengan potential tinggi namun overall rendah bisa diartikan bahwa klub berisi pemain dengan overall belum mencapai potential, artinya klub tersebut memiliki pemain-pemain muda -Klub yang baik dapat mempunyai pemain dengan value dan overall tinggi, tetapi juga dapat menekan gaji pemain sehingga hemat dalam keuangan -Rata-rata klub top eropa memiliki pemain muda untuk rencana jangka panjang -Rata-rata klub dengan banyak pemain bintang memiliki wages besar