Analisis Komparatif Performa Lando Norris dan Oscar Piastri pada Musim Formula 1 2025

Teguh Rizki Saputra, Susanto Susanto, Titis Handayani

Abstract


Lando Norris dan Oscar Piastri merupakan dua pembalap tim McLaren yang bersaing dalam World Drivers' Championship pada musim Formula 1 2025. Persaingan internal antara kedua pembalap menggunakan mobil dengan spesifikasi identik menjadi konteks relevan untuk mengukur kemampuan individu secara objektif. Penelitian ini bertujuan menganalisis performa kedua pembalap secara komparatif menggunakan data telemetri dari library FastF1. Dengan menerapkan metode kuantitatif komparatif berbasis data-driven analysis, mencakup analisis head-to-head, statistik deskriptif, korelasi Spearman, uji Mann-Whitney U, kuantifikasi effect size berbasis rank-biserial correlation, serta analisis degradasi ban dan momentum poin berbasis rolling average. Dataset sekunder resmi mencakup seluruh 24 seri balapan musim 2025. Hasil analisis menunjukkan Norris mengakhiri musim dengan 423 poin, unggul 13 poin atas Piastri yang meraih 410 poin, dengan jumlah kemenangan identik sebanyak 7 kali. Uji Mann-Whitney U menunjukkan bahwa tidak terdapat perbedaan signifikan secara statistik pada distribusi posisi finis, konsistensi lap time, maupun perolehan poin per ronde, dengan nilai effect size yang masuk kategori sangat kecil. Keunggulan Norris lebih dipengaruhi oleh konsistensi performa serta efisiensi manajemen ban Hard dan Medium pada fase akhir musim, sementara Piastri menunjukkan dominasi kecepatan murni pada paruh pertama.

Keywords


Analisis Komparatif; Formula 1; Telemetri; Korelasi Spearman; Uji Mann-Whitney U

Full Text:

References


A. Patil, N. Jain, R. Agrahari, M. Hossari, F. Orlandi, dan S. Dev, “A Data-Driven Analysis of Formula 1 Car Races Outcome,” dalam Communications in Computer and Information Science, Springer Science and Business Media Deutschland GmbH, 2023, hlm. 134–146. doi: 10.1007/978-3-031-26438-2_11.

J. Fry, S. Fanzon, M. Austin, dan T. Brighton, “Benchmarking Formula 1 results using a normal model,” Mar 2026, [Daring]. Tersedia pada: http://arxiv.org/abs/2603.15192

E. J. Van Kesteren dan T. Bergkamp, “Bayesian analysis of Formula One race results: Disentangling driver skill and constructor advantage,” J. Quant. Anal. Sports, vol. 19, no. 4, hlm. 273–293, Des 2023, doi: 10.1515/jqas-2022-0021.

J. Weissbock dan S. Mills, “Evaluating the Predictive Power of Qualifying Performance in Formula One Grand Prix,” Jul 2025, [Daring]. Tersedia pada: http://arxiv.org/abs/2507.10966

M. GARCÍA, “OPTIMIZATION OF PIT STOP STRATEGIES IN FORMULA 1 RACING: A DATA-DRIVEN APPROACH,” 2024.

B. Msakamali, “F1 Data Analysis and Tactical Insights: Exploring Formula 1 Race Performance Strategies,” 2024.

A. Belgaid, “Statistical Analysis of the Impact of FIA Regulations on Safety, Racing Dynamics, and Spectacle in Formula 1,” Okt 2024.

I. Griha Tofik Isa, L. Novianti, F. Elfaladonna, S. Agustri, J. Manajemen Informatika, dan P. Negeri Sriwijaya, “Exploratory Data Analysis (EDA) dalam Dataset Penerimaan Mahasiswa Baru Universitas XYZ Palembang,” 2023.

K. Ali dan A. Al-Hameed, “Spearman’s correlation coefficient in statistical analysis,” Int. J. Nonlinear Anal. Appl, vol. 13, hlm. 2008–6822, 2022, doi: 10.22075/ijnaa.2022.6079.

E. Bezuglov dkk., “Comparative Analysis of Speed-Power Performance and Sport-Specific Skills Among Elite Youth Soccer Players with Different Start Procedures,” Sports, vol. 13, no. 10, Okt 2025, doi: 10.3390/sports13100341.

M. Sahira, A. Salsabila, S. Salsabila, A. N. Putri, K. D. Tania, dan W. K. Sari, “Penerapan Metode K-Means Clustering untuk Segmentasi Performa Pembalap F1 Season 2024,” Infomatek, vol. 27, no. 1, hlm. 113–122, Jun 2025, doi: 10.23969/infomatek.v27i1.24297.




DOI: https://doi.org/10.30591/smartcomp.v15i3.10302

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

========================================================================

Smart Comp Indexed By:

Flag Counter

 

View My Stats

 

 

 

Creative Commons License

 

 

 

This work is licensed under a Creative Commons Attribution 4.0 International License.