Sepak bola merupakan salah satu cabang olahraga yang populer di dunia. Olahraga ini memiliki alur permainan yang dinamis serta taktik yang cukup kompleks, oleh karena itu dibutuhkan pemahaman yang baik mengenai peran tiap posisi pemain dalam sebuah tim. Dalam beberapa tahun terakhir, analisis permainan dibantu oleh teknologi yang ada. Salah satu teknologi yang dapat digunakan dalam analisis permainan adalah penggunaan algoritma klasifikasi untuk mengelompokkan pemain berdasarkan posisi yang cocok untuk mereka. Data yang diklasifikasi bisa berupa data statistik pemain maupun data visual permainan. Fitur pada data statistik bisa tersedia secara banyak sehingga untuk mempermudah proses pengelompokan perlu dilakukan reduksi dimensi. Pada penelitian ini dilakukan klasifikasi menggunakan algoritma Random Forest dengan reduksi dimensi menggunakan algoritma Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA) di mana hasil klasifikasi setelah mengalami reduksi dimensi akan dibandingkan. Hasil yang didapatkan dari model klasifikasi tanpa reduksi dimensi adalah sebesar 0.913 untuk akurasi dan 0.885 untuk AUC, hasil dari model klasifikasi dengan reduksi dimensi PCA adalah sebesar 0.882 untuk akurasi dan 0.807 untuk AUC, sedangkan hasil dari model klasifikasi dengan reduksi dimensi LDA adalah sebesar 0.937 untuk akurasi dan 0.95 untuk AUC.