Analisis Faktor Yang Mempengaruhi Pace Lari Mahasiswa Menggunakan Random Forest
DOI:
https://doi.org/10.29407/60p9v182Keywords:
pace lari , random forest, feature importance, mahasiswaAbstract
Penelitian ini bertujuan untuk menganalisis faktor-faktor yang mempengaruhi kecepatan lari mahasiswa Universitas Darussalam menggunakan algoritma Random Forest. Variabel yang dianalisis meliputi semester, usia, tinggi badan, berat badan, indeks massa tubuh, frekuensi latihan per minggu, dan status perokok. Data penelitian dikumpulkan melalui kuesioner dengan total 120 data responden. Untuk meningkatkan jumlah dan variasi data, dilakukan proses augmentasi dengan menambahkan noise ringan pada variabel berat badan dan kecepatan, sehingga diperoleh 720 data. Sebelum digunakan dalam proses pelatihan model, data melalui tahap prapemrosesan yang meliputi konversi tipe data ke format numerik serta pembersihan data dari nilai yang hilang. Hasil pemodelan regresi menunjukkan nilai koefisien determinasi (R²) sebesar 0,995 dan nilai root mean squared error (RMSE) sebesar 0,289. Analisis pentingnya fitur pada algoritma Random Forest menunjukkan bahwa indeks massa tubuh merupakan faktor yang paling berpengaruh terhadap kecepatan lari siswa. Hasil penelitian ini diharapkan dapat menjadi bahan evaluasi dan tolak ukur bagi mahasiswa dalam meningkatkan kinerja lari, serta dapat dijadikan referensi untuk penelitian selanjutnya di bidang analisis kinerja olahraga berbasis data.
Downloads
References
[1] N. Seethapathi and M. Srinivasan, “Step-to-step variations in human running reveal how humans run without falling,” pp. 1–24, 2019.
[2] M. I. Hafizhuddin, “Hubungan Antara Self Disclousure Melalui Status Wa Dan Kualitas Hidup Pada Mahasiswa Di Universitas Muhammadiyah Surabaya,” Skrip, p. h. 2, 2019, [Online]. Available: http://repository.um-surabaya.ac.id/id/eprint/3715%0Ahttp://repository.um-surabaya.ac.id/3715/3/BAB_II.pdf
[3] Eraspace.com, “mengenal-apa-itu-pace-dalam-lari-untuk-optimalkan-latihanmu @ eraspace.com,” eraspace.com. [Online]. Available: https://eraspace.com/artikel/post/mengenal-apa-itu-pace-dalam-lari-untuk-optimalkan-latihanmu
[4] I. M. Y. Parwata, “Hubungan Tinggi Badan dan Berat Badan Terhadap Kecepatan Lari 100 Meter Mahasiswa Putra Fpok Ikip Pgri Bali,” J. Pendidik. Kesehat. Rekreasi, vol. 3, no. 2, pp. 19–27, 2017, doi: 10.59672/jpkr.v3i2.232.
[5] G. D. Padaningpuri and E. B. P. S. Andar, “Hubungan Faktor-Faktor Kinesiologi dengan Kecepatan Lari 100 Meter Mahasiswa Fk Undip,” vol. 8, no. 2, pp. 713–722, 2019.
[6] L. H. Quoc, “Current State of Factors Influencing the Development of Running Speed in the 100m Sprint for Non-Specialized University Students at Tan Trao University,” Eur. J. Arts, Humanit. Soc. Sci., vol. 1, no. 3, pp. 335–345, May 2024, doi: 10.59324/ejahss.2024.1(3).29.
[7] M. S. Hasan and A. Sukamto, “Kontribusi Kecepatan Reaksi Kaki dan Kelentukan Terhadap Kemampuan Lari 100 meter pada Mahasiswa PKO FIK UNM Contribution of Foot Reaction Speed and Flexibility to the Ability to Run 100 meters in PKO FIK UNM Students,” vol. 1, no. 1, pp. 14–21, 2021.
[8] I. Ikadarny and A. Karim, “Konstribusi Kecepatan Lari, Daya Ledak Tungkai, Dan Keseimbangan Terhadap Kemampuan Lompat Jauh Murid SMP Negeri 2 Kabupaten Gowa,” Jendela Olahraga, vol. 6, no. 1, pp. 158–164, 2021, doi: 10.26877/jo.v6i1.6971.
[9] S. Tripathi, D. Muhr, M. Brunner, H. Jodlbauer, M. Dehmer, and F. Emmert-streib, “Ensuring the Robustness and Reliability of Data-Driven Knowledge Discovery Models in Production and Manufacturing,” vol. 4, pp. 1–20, 2021, doi: 10.3389/frai.2021.576892.
[10] D. Muriyatmoko, D. Fikrianti, and F. R. Ifalus, “Analisis Penjualan Produk Terlaris di Toko Bangunan Pekanbaru Jaya Menggunakan Metode Clustering K-Means,” vol. 4, pp. 88–93, 2025.
[11] A. Y. Firmansyah, “Pemodelan Pembelajaran Mesin untuk Prediksi Kesehatan Mental di Tempat Kerja,” vol. 13, no. 1, pp. 397–407, 2024.
[12] D. Rawan, T. Pidana, and N. Di, “Implementasi K-Means Clustering dan Model Crisp-Dm Untuk Pengelompokan Daerah Rawan Tindak Pidana Narkoba Di Diy,” vol. 7, no. 2, pp. 606–615, 2025.
[13] H. A. Damayanti and U. P. Sanjaya, “Perbandingan Model Pembelajaran Mesin Berbasis Smote Meningkatkan Identifikasi Siswa Berisiko di Sekolah Menengah Pertama,” vol. 12, no. 1, pp. 119–127, 2025, doi: 10.30656/jsii.v11i2.9065.
[14] L. Genton et al., “An Increase in Fat Mass Index Predicts a Deterioration of Running Speed.,” Nutrients, vol. 11, no. 3, Mar. 2019, doi: 10.3390/nu11030701.
[15] P. G. Weyand and J. A. Davis, “Running performance has a structural basis,” pp. 2625–2631, 2005, doi: 10.1242/jeb.01609.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Dihin Muriyatmoko, Miftahuddin Fahmi, Royhan Akbar Supriyono
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
