PENERAPAN METODE K-MEANS CLUSTERING UNTUK SEGMENTASI PERFORMA PEMBALAP FORMULA 1 SEASON 2025

Abstract

Performa pembalap Formula 1 merupakan hasil interaksi kompleks antara kemampuan teknis, konsistensi waktu lap, dan efisiensi dalam memperbaiki posisi saat balapan. Penelitian ini menerapkan algoritma K-Means Clustering untuk melakukan segmentasi performa pembalap Formula 1 musim 2025 secara objektif dan terukur. Data yang digunakan bersumber dari hasil balapan resmi yang diterbitkan oleh FIA, yang mencakup metrik perolehan poin, waktu lap rata-rata, hingga perubahan posisi (position gain). Tahapan penelitian meliputi pengumpulan data, preprocessing, analisis eksploratori, penentuan jumlah klaster optimal melalui metode Elbow dan Silhouette Score, hingga evaluasi hasil pengelompokan. Hasil penelitian menunjukkan bahwa penggunaan lima klaster (K=5) memberikan gambaran paling representatif terhadap dinamika kompetisi musim 2025, mulai dari kelompok elit dengan performa dominan hingga kelompok pendatang baru dengan karakteristik teknis tertentu. Evaluasi menggunakan Silhouette Score menghasilkan nilai sebesar 0,4678, yang menunjukkan bahwa segmentasi yang dihasilkan cukup baik dan akurat dalam mengidentifikasi pola performa antar-klaster. Temuan ini memberikan wawasan strategis bagi tim balap untuk memahami peta persaingan sebagai landasan pengembangan teknis dan strategi balapan di masa depan