Prediksi Hasil F1 Lebih Akurat Berkat Kecerdasan Buatan

Pada minggu menjelang grand prix, banyak pendukung biasanya senang menyuarakan perkiraan mereka tentang siapa yang bakal menjuarai lomba. Mariana Antaya, seorang ahli dalam bidang data, mengambil percakapan itu ke tingkat berikutnya dengan merancang sebuah model pembelajaran mesin guna mencoba menduga hasil perlombaan F1. Hingga kini, model buatannya sudah berhasil memperkirakan juara dari tiga grand prix pada musim ini.

"Antaya mengaku menjadi seorang fanatik dari balap mobil Formula 1," katanya ketika sedang dalam percakapan tersebut. . Mesin pembelajarannya dan seluruh algoritma tersebut benar-benar sering dipakai dalam dunia Formula 1 oleh berbagai tim. Menurut saya, mungkin masih sedikit orang yang menyadarinya, namun para insinyur balapan menggunakannya untuk merancang strategi mereka. real time.

Maka dari itu, saya berencana mencoba meramal pemenang sebagai bentuk latihan yang mengasyikan, sekadar untuk mengecek betapa akuratnya prediksi kita dengan menggunakan data yang ada.

Agar dapat melaksanakan tugas tersebut, Antaya pun mengembangkan model pribadinya. Menggunakan informasi lapangan balap dari Grand Prix Australia di musim lalu sebagai acuan berdasarkan database FastF1 API, dia kemudian memulai proses perbandingan antara hasil perlombaan di tahun 2024 dengan performa kualifikasi di tahun 2025.

Setelah para pemula dikeluarkan dari program, yang diakui Antaya sebagai salah satu faktor yang "mengganggu" karena tidak ada data yang dapat dijadikan patokan, ia mulai melatih modelnya. Dengan menggunakan alat penguat gradien, Antaya memprediksi waktu putaran untuk balapan di Albert Park, dan programnya dengan tepat memilih Lando Norris sebagai pemenang.

"Saya berkata di akhir video, ini jelas merupakan model yang sederhana, dan saya tidak tahu bahwa model ini akan memprediksi dengan tepat," kata Antaya. Dari sana, proyek ini mulai berkembang ketika komunitas F1 berkumpul untuk melihat berapa banyak lagi balapan yang bisa diprediksi Antaya dengan benar.

"Saya ingin ini menjadi semacam crowdsourced. Oleh karena itu, seluruh penonton bisa menyampaikan 'Saya benar-benar berharap Anda menambahkan informasi cuaca ke sistem tersebut,' atau 'Saya amat menginginkan Anda untuk mencantumkan sesi latihan di dalam model.'

Saya berharap orang-orang akan menginformasikan kepada saya tentang fitur tambahan apa saja yang mereka inginkan agar dapat ditambahkan ke model itu demi perbaikannya sepanjang musim.

Pecinta balap F1, Mariana Antaya

Foto oleh: Mariana Antaya

Kenaikan tersebut telah terwujud lantaran algoritma pembelajaran mesin ini secara kontinyu berhasil menebak juara perlombaan dengan tepat. Walaupun demikian, hal itu tidak mengindikasikan bahwa sistemnya sudah mencapai kesempurnaan. Saat ini, dia sedang menambah jumlah sampel datanya agar dapat mendukung peningkatan ketepatannya.

Lebih banyak data bisa mendukung model untuk belajar lebih ekstensif dan menghasilkan prediksi yang lebih akurat," katanya. "Namun, jika jumlah datanya terbatas, kemampuan pemodelan mungkin menjadi kurang luas, sehingga kesulitan dalam memahami berbagai aspek dengan menyeluruh.

Agar pemodelannya menjadi lebih luas, Antaya menggabungkan informasi tentang kondisi cuaca sebelum Grand Prix F1 Jepang, seperti potensi hujan saat perlombaan serta temperatur jalur di Suzuka. Tambahan lainnya adalah peningkatan pada simulasi kinerja para pembalap ketika lintasan dalam keadaan basah. Data-data tersebut digunakan oleh program untuk meramalkan pemenang lomba. Max Verstappen secara akurat di acara lomba itu.

Langkah signifikan selanjutnya bagi model tersebut diambil mendekati Grand Prix Arab Saudi, saat model itu diberi pelatihan dengan menggunakan kinerja tiap tim sepanjang tahun 2025. Perempuan yang disebutkan itu mengatakan jika informasi lebih lanjut bakal menolong proyeksinya dalam menyadari kalau ada tim tertentu seperti McLaren dan Williams telah mengambil langkah maju di tahun 2025. Di sisi lain, tim seperti Red Bull belum menunjukkan performa yang stabil layaknya di 2024.

"Kini kita lebih mengutamakan pandangan keseluruhan terkait sejauh mana kinerja mobil dan regu," katanya.

Baca Juga: Sirkuit F1 di Vietnam Rusak dan Tua Dimakan Usia Desain Madrigal, Tuannya menjadi Host Grand Prix Spanyol Sejak Awal Musim F1 2026

'Terkejut' dengan seri ini

Rangkaian unggahan di Instagram dan TikTok Semakin terkenal dengan setiap postingannya selanjutnya, dan video singkatnya bahkan sudah sampai ke dunia Formula 1. Beberapa insinyur dari tim F1 di sirkuit balapan dikabarkan menghubungi Antaya usai ia memposting konten tersebut. Kini dirinya penasaran ingin tahu betapa akuratnya model prediksi yang dipakai dalam ajang ini dibanding hasil karyanya.

Saya kaget dengan respons tersebut. Sungguh, sungguh kaget," tambahnya. "Jujur saja, saya tak paham bagaimana tim bisa melakukan itu. Bagi saya, seperti sebuah kotak hitam.

Namun, saya berharap dapat melakukannya dengan tepat atau setidaknya sesuatu yang mirip. Mereka kemungkinan besar akan menggunaka model yang jauh lebih rumit serta jumlah data yang lebih banyak pada kendaraan tersebut, tentunya.

Hannah Schmitz, Insinyur Kepala Strategis Red Bull Racing

Foto oleh: Peter Fox - Getty Images

Dengan tiga dari lima juara balapan terpilih secara tepat, Atanya tak merasa puas karena dia bertekad untuk menciptakan sistem prediksi yang semakin presisi. Mendekati Grand Prix Miami, peneliti data tersebut berniat memulai percobaan dengan teknik pemrosesan pembelajaran mesin yang lebih rumit agar bisa menambah keakuratan serta mengurangi galat rata-rata mutlak pada modelnya, hal ini sebenarnya merupakan selisih rata-rata antara ramalan model dengan hasil nyata lomba.

Namun, walaupun keakuratan model bisa membaik dengan adanya data ekstra dan metode terapan baru, Antaya mengerti bahwa dalam balap F1 tetap saja ada aspek-aspek yang tak bisa diprediksi.

Menurutnya, "Saya rasa pasti akan selalu ada hambatan." Dia juga mengatakan, "Sulit sekali memastikan bahwa nantinya tidak akan ada." safety car di ronde ini, serta hal itu akan mengakibatkan sejumlah peristiwa tambahan.

Kita mungkin dapat menggunakan informasi historis tentang presentase kecelakaan selama perlombaan, dan hal tersebut bisa menjadi fitur tambahan bagi kita. Namun demikian, ini juga merupakan suatu jenis olahraga, sehingga sulit untuk memprediksi hasil di kemudian hari dengan tepat.

Berbagi :