Basket merupakan salah satu olahraga yang paling terkenal didunia dengan
estimasi fans untuk olahraga ini diseluruh dunia berjumlah 2.2 miliar, menempatkan
basket menjadi olahraga ketiga yang paling digemari diseluruh dunia. NBA menjadi
liga basket yang paling terkenal dan paling bergengsi diseluruh dunia, dengan estimasi
penghasilan yang didapat lebih dari 7.92 miliar dollar. Karena pengaruhnya itu prediksi
pertandingan NBA dengan menggunakan data statistika menjadi hal yang biasa dengan
menggunakan machine learning. Penelitian ini bertujuan untuk mencari metode yang
paling cocok diantara Support Vector Machine, Gaussian Naïve Bayes, Artificial
Neural Network, dan Random Forest dan menemukan strategi untuk meningkatkan
kemenangan tim Milwaukee Bucks. Penelitian ini berfokus pada tim NBA Milwaukee
Bucks, data yang digunakan adalah data musim 2015/2016 sampai 2020/2021.
Penelitan ini membandingkan dan menganalisi hasil classification report dan learning
curve dari keempat model serta waktu yang dibutuhkan dalam pelatihan. Hasil yang
didapatkan adalah Support Vector Machines menjadi model yang paling cocok dengan
nilai akurasi sebesar 98%, performa ini dapat dilihat pada nilai precision, recall, f1-
score untuk macro average sebesar 98% ,99%,98%, dengan waktu 4.104 miliseconds
dan hasil learning curve menunjukan bahwa model SVM mampu memahami dataset
yang digunakan. Hasil analisis terhadap stats tim Milwaukee Bucks menunjukan
bahwa tim tersebut perlu meningkatkan efisiensi offensive dan defense, seperti
memasukan tembakan 3 point/ 2 point, rajin melakukan rebound dan melakukan assist
ketika ada kesempatan. Hal unik terjadi pada field goal attempt, semakin banyak
mencoba menembak point di field kesempatan tim Bucks menang semakin kecil.