Buffer Informatika
Vol. 11 No. 2 (2025): Buffer Informatika

Penerapan Metode K-Means Clustering untuk Segmentasi Performa Pembalap F1 Season 2024

Shofi Salsabila (Universitas Sriwijaya)
Mutia Sahira (Universitas Sriwijaya)
Adella Salsabila (Universitas Sriwijaya)
Aulia Najibah Putri (Universitas Sriwijaya)
Ken Ditha Tania (Universitas Sriwijaya)
Winda Kurnia Sari (Universitas Sriwijaya)



Article Info

Publish Date
21 Oct 2025

Abstract

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.

Copyrights © 2025






Journal Info

Abbrev

buffer

Publisher

Subject

Computer Science & IT

Description

BUFFER INFORMATIKA is an official scientific journal published and managed by the Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia. The journal provides a scientific forum for researchers, lecturers, practitioners, and students to publish original ...