Penerapan Metode K-Means Clustering untuk Segmentasi Performa Pembalap F1 Season 2024
DOI:
https://doi.org/10.23969/infomatek.v27i1.24297Keywords:
Clustering Analysis, Driver Performance, Formula 1, K-Means, SegmentationAbstract
Performa pembalap Formula 1 tidak hanya ditentukan oleh hasil akhir balapan, tetapi juga oleh konsistensi catatan waktu dan lap tercepat. Penelitian ini menerapkan algoritma K-Means clustering untuk mengelompokkan pembalap berdasarkan performa mereka. Data yang digunakan mencakup hasil balapan resmi musim 2024 yang diterbitkan oleh FIA. Proses pengolahan data mencakup pengumpulan data, preprocessing, analisis eksploratori, penerapan algoritma clustering, serta evaluasi dan interpretasi hasil. Untuk menentukan jumlah cluster yang optimal, digunakan Metode Elbow dan skor Silhouette, yang menghasilkan empat kelompok pembalap dengan karakteristik performa yang berbeda. Hasil analisis menunjukkan bahwa metode ini berhasil mengidentifikasi pola performa yang relevan, memberikan wawasan bagi tim balap dalam menyusun strategi. Evaluasi menggunakan Silhouette Score menunjukkan bahwa segmentasi yang dihasilkan cukup baik dengan nilai sebesar 0.5735.Downloads
References
Aditya, A., Jovian, I., & Sari, B. N. (2020). Implementasi K-Means Clustering Ujian Nasional Sekolah Menengah Pertama di Indonesia Tahun 2018/2019. Jurnal Media Informatika Budidarma, 4(1), Article 1. https://doi.org/10.30865/mib.v4i1.1784
Afiasari, N., Suarna, N., & Rahaningsi, N. (2023). Implementasi Data Mining Transaksi Penjualan Menggunakan Algoritma Clustering dengan Metode K-Means. Jurnal Saintekom : Sains, Teknologi, Komputer Dan Manajemen, 13(1), Article 1. https://doi.org/10.33020/saintekom.v13i1.402
Akhanli, S., & Hennig, C. (2022, April 20). Clustering of football players based on performance data and aggregated clustering validity indexes. arXiv.Org. https://arxiv.org/abs/2204.09793v1
FIA. (2012, Maret 12). 2025 FIA Formula One World Championship. Federation Internationale de l’Automobile. https://www.fia.com/events/fia-formula-one-world-championship/season-2025/2025-fia-formula-one-world-championship
Formula 1. (2024). F1—The Official Home of Formula 1® Racing. https://www.formula1.com/
Franssen, K. (2022). comparison Of Neural Network Architectures In Race Prediction Predicting the racing outcomes of the 2021 Formula 1 season. Tilburg University.
Gregorry, F., & Nataliani, Y. (2022). Clustering Performa Pemain Basket Berdasarkan Posisi dan Statistik Pemain Menggunakan Metode Fuzzy c-Means. Jurnal Transformatika, 20(1), Article 1. https://doi.org/10.26623/transformatika.v20i1.5137
Javed, A., Lee, B. S., & Rizzo, D. M. (2020). A benchmark study on time series clustering. Machine Learning with Applications, 1, 100001. https://doi.org/10.1016/j.mlwa.2020.100001
Martínez-Cevallos, D., Proaño-Grijalva, A., Alguacil, M., Duclos-Bastías, D., & Parra-Camacho, D. (2020). Segmentation of Participants in a Sports Event Using Cluster Analysis. Sustainability, 12(14), 5641. https://doi.org/10.3390/su12145641
Nagle, D. (2022). Racing Your Rival: Cluster Analysis of Formula 1 Drivers. Renée Crown University.
Niko, N. S., Rahman, A., Atmaja, D. M. U., & Basri, A. (2023). Klasterisasi Stok Produk Retail Untuk Menetukan Pergerakan Kebutuhan Konsumen Dengan Algoritma K-Means. Bulletin of Information Technology (BIT), 4(3), Article 3. https://doi.org/10.47065/bit.v4i3.736
Pamulang, M. N. P., Aini, M. N., & Enri, U. (2021). Komparasi Distance Measure Pada K-Medoids Clustering untuk Pengelompokkan Penyakit ISPA. Edumatic: Jurnal Pendidikan Informatika, 5(1), 99–107. https://doi.org/10.29408/edumatic.v5i1.3359
Rivadulla, A. R., Chen, X., Cazzola, D., Trewartha, G., & Preatoni, E. (2024). Clustering analysis across different speeds reveals two distinct running techniques with no differences in running economy. Sports Biomechanics, 1–24. https://doi.org/10.1080/14763141.2024.2372608
Sholeh, M., & Aeni, K. (2023). Perbandingan Evaluasi Metode Davies Bouldin, Elbow dan Silhouette pada Model Clustering dengan Menggunakan Algoritma K-Means. STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 8(1), Article 1. https://doi.org/10.30998/string.v8i1.16388
Sicoie, H. (2022). Machine Learning framework for Formula 1 race winner and championship standings predictor.
Suhanda, Y., Kurniati, I., & Norma, S. (2020). Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik. Jurnal Teknologi Informatika dan Komputer, 6(2), 12–20. https://doi.org/10.37012/jtik.v6i2.299
Susilo, D. D., Hilabi, S. S., Priyatna, B., & Novalia, E. (2024). Implementasi Data Mining dalam Pengelompokan Data Pembelian Menggunakan Algoritma K-Means Pada PT.Otomotif 1. Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi, 13(1), 476. https://doi.org/10.35889/jutisi.v13i1.1836
Zhao, P., Xue, F., & Zhang, X. (2022). Analysis of the Running Ability Mining Model of Football Trainers Based on Dynamic Incremental Clustering Algorithm. Computational Intelligence and Neuroscience, 2022, 3255886. https://doi.org/10.1155/2022/3255886
