Prediksi rata-rata waktu finis pada lomba trail running menggunakan XGBoost dan Explainable AI

INDONESIA

Trail Running merupakan olahraga ketahanan dengan karakteristik medan yang kompleks, sehingga rata-rata waktu finis (mean finish time) pada level event menjadi indikator penting untuk mengukur tingkat kesulitan lomba. Sebagian besar penelitian yang ada masih berfokus pada prediksi performa individu atlet, sementara pemodelan berbasis karakteristik event secara agregat masih sangat terbatas. Penelitian ini mengembangkan model regresi berbasis Extreme Gradient Boosting (XGBoost) untuk memprediksi mean finish time menggunakan dataset UTMB Race Data Sheet periode 2014–2024. Empat skenario model dengan kombinasi fitur yang berbeda dievaluasi pada tiga skenario pembagian data (90:10, 80:20, 70:30) menggunakan k-Fold Cross-Validation (k=5) dan dioptimasi melalui RandomizedSearchCV. Untuk mengidentifikasi faktor dominan yang memengaruhi prediksi, digunakan metode Shapley Additive Explanations (SHAP) sebagai pendekatan Explainable AI. Hasil evaluasi menunjukkan bahwa 4 model menghasilkan performa terbaik dengan MAPE 8,85%, MAE 0,9047 jam, dan R² 0,9570. Model juga terbukti stabil terhadap variasi pembagian data. Analisis SHAP mengungkapkan bahwa fitur km_effort, elevation_gain_m, dan distance_km merupakan kontributor paling dominan, sedangkan fitur cuaca berperan sebagai variabel pendukung yang meningkatkan akurasi secara moderat. Penelitian ini menyimpulkan bahwa XGBoost efektif dalam memodelkan mean finish time pada level event, dan hasilnya dapat dimanfaatkan oleh penyelenggara lomba untuk perencanaan operasional maupun oleh peserta untuk penyusunan strategi Pacing dan nutrisi yang lebih realistis.

ENGLISH

Trail Running is an endurance sport characterized by complex terrain, varying elevation, and diverse environmental conditions, making mean finish time at the event level a critical indicator of race difficulty. However, most existing studies focus on individual athlete performance prediction, leaving event-level aggregate modeling largely underexplored in the literature. This study develops a regression model based on Extreme Gradient Boosting (XGBoost) to predict mean finish time using the UTMB Race Data Sheet dataset spanning 2014–2024. Four model scenarios with different feature combinations were evaluated across three data split configurations (90:10, 80:20, and 70:30) using k-Fold Cross-Validation (k=5) and optimized via RandomizedSearchCV. Shapley Additive Explanations (SHAP) was employed as an Explainable AI approach to identify the dominant features influencing predictions. Results show that some of model achieved the best overall performance with a MAPE of 8.85%, MAE of 0.9047 hours, and R² of 0.9570. The model also demonstrated strong Robustness across varying data split configurations. SHAP analysis revealed that km_effort, elevation_gain_m, and distance_km are the most dominant predictors, while weather-related features serve as secondary variables that moderately improve accuracy. This study concludes that XGBoost effectively models mean finish time at the event level, and the resulting system can support race organizers in operational planning and assist participants in developing more realistic Pacing and nutrition strategies.

ARABIC

الجري على الطرق الوعرة هو رياضة تحمل تتميز بتضاريس معقدة، وارتفاعات متفاوتة، وظروف بيئية متنوعة، مما يجعل متوسط وقت الوصول إلى خط النهاية على مستوى الحدث مؤشرًا حاسمًا على صعوبة السباق. ومع ذلك، تركز معظم الدراسات الحالية على التنبؤ بأداء الرياضيين الفردي، مما يترك النمذجة الإجمالية على مستوى الحدث غير مستكشفة إلى حد كبير في الأدبيات. تطور هذه الدراسة نموذج انحدار قائم على تقنية تعزيز التدرج المتطرف (XGBoost)للتنبؤ بمتوسط وقت الوصول إلى خط النهاية باستخدام مجموعة بيانات UTMB Race Data Sheet التي تغطي الفترة من 2014 إلى 2024. تم تقييم أربعة سيناريوهات للنموذج مع تركيبات مختلفة من السمات عبر ثلاثة تكوينات لتقسيم البيانات (90:10، و80:20، و70:30) باستخدام التحقق المتقاطع k-fold (k=5) وتم تحسينها عبر RandomizedSearchCV. تم استخدام تفسيرات شابلي الإضافية(SHAP) كنهج للذكاء الاصطناعي القابل للتفسير لتحديد السمات المهيمنة التي تؤثر على التنبؤات. أظهرت النتائج أن النموذج ذو الميزات الكاملة (النموذج أ) حقق أفضل أداء إجمالي بمعدل الخطأ المتوسط المئوي (MAPE) قدره 8.85٪، ومعدل الخطأ المتوسط (MAE)قدره 0.9047 ساعة، ومعامل R² قدره 0.9570. كما أظهر النموذج متانة قوية عبر تكوينات تقسيم البيانات المتنوعة. وكشف تحليل SHAP أن المتغيرات km_effort و elevation_gain_m و distance_kmهي المتغيرات التنبؤية الأكثر تأثيرًا، في حين تعمل السمات المتعلقة بالطقس كمتغيرات ثانوية تعمل على تحسين الدقة بشكل معتدل. وتخلص هذه الدراسة إلى أن XGBoost ينمذج بشكل فعال متوسط وقت الوصول إلى خط النهاية على مستوى الحدث، ويمكن للنظام الناتج أن يدعم منظمي السباق في التخطيط التشغيلي ويساعد المشاركين في تطوير استراتيجيات أكثر واقعية فيما يتعلق بوتيرة الجري والتغذية.