Prediksi World Driver Champion Formula 1 Tahun 2025 Menggunakan XGBoost

Vishwakarma Hestia, Auliyaa (2025) Prediksi World Driver Champion Formula 1 Tahun 2025 Menggunakan XGBoost. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (227kB)
	PDF BAB_II.pdf Download (765kB)
	PDF BAB_III.pdf Download (291kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (210kB)
	PDF DAFTAR_PUSTAKA.pdf Download (261kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (763kB)
	Archive (ZIP) CREATION_FILE.zip Download (1MB)

Abstract

Formula 1 (F1) merupakan salah satu olahraga balap mobil paling bergengsi di dunia yang memadukan kecepatan, strategi, dan teknologi tinggi. Prediksi juara dunia atau World Driver Champion (WDC) menjadi tantangan menarik dalam era analitik olahraga modern. Penelitian ini bertujuan membangun model prediksi WDC musim 2025 dengan menggunakan algoritma Extreme Gradient Boosting (XGBoost), yang dikenal unggul dalam menangani data kompleks dan tabular. Dataset diperoleh dari Jolpi API, mencakup data historis F1 dari musim 1950 hingga 2025, termasuk hasil balapan, sesi kualifikasi, klasemen pembalap, dan data tim. Data kemudian diproses melalui tahapan merging, cleaning, feature engineering, dan transformasi, lalu dibagi menjadi data latih dan data uji. Model dikembangkan dan disesuaikan secara optimal melalui proses tuning hyperparameter menggunakan pustaka Optuna, untuk menemukan kombinasi parameter terbaik yang meningkatkan akurasi prediksi. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan R2 Score. Hasil evaluasi pada data musim 2025 menunjukkan bahwa model memiliki nilai MAE sebesar 1.0610, RMSE sebesar 1.3634, dan skor R2 sebesar 0.9441. Hasil tersebut menunjukkan bahwa model XGBoost mampu memprediksi posisi akhir pembalap dengan akurasi tinggi. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem prediksi berbasis data untuk olahraga otomotif, khususnya Formula 1.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Vishwakarma Hestia, Auliyaa (00000059515)
Contributors:	Aditiyawan, Aditiyawan (8994550022)
Keywords:	Formula 1, Juara Dunia Pembalap, Prediksi, XGBoost
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 07:31
URI:	https://kc.umn.ac.id/id/eprint/40294

Actions (login required)

View Item