AMIN, MUHAMAD NUR and Kurniawan, Hendra and Efranda, Nolan (2026) ANALISIS PREDIKSI POLUTAN PM2.5 DENGAN ALGORITMA DIFFERENTIAL EVOLUTION DAN XGBOOST. S1 thesis, Universitas Maritim Raja Ali Haji.
![[img]](http://repositori.umrah.ac.id/style/images/fileicons/text.png) |
Text (Cover)
MUHAMAD_NUR_AMIN_2201020032_Teknik_Informatika - Cover.pdf - Published Version Download (959kB) |
|
Text (Abstrak)
MUHAMAD_NUR_AMIN_2201020032_Teknik_Informatika - Abstrak.pdf - Published Version Download (326kB) |
|
Text (BAB I)
MUHAMAD_NUR_AMIN_2201020032_Teknik_Informatika - BAB I.pdf - Published Version Download (341kB) |
|
Text (Daftar Pustaka)
MUHAMAD_NUR_AMIN_2201020032_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (295kB) |
|
Text (Full Text)
MUHAMAD_NUR_AMIN_2201020032_Teknik_Informatika - Full Text.pdf - Published Version Restricted to Repository staff only Download (2MB) |
Abstract
PM2.5 merupakan polutan udara paling berbahaya bagi kesehatan manusia, terutama di kawasan tropis yang rentan lonjakan episodik akibat kabut asap lintas batas. Penelitian ini bertujuan membandingkan akurasi prediksi PM2.5 antara model XGBoost standar (Baseline) dan model hibrida DE-XGBoost yang dioptimalkan dengan Differential Evolution (DE) serta diperkaya fitur lag historis, menggunakan data deret waktu AQMS Serpong, Tangerang Selatan (17.520 observasi, interval 30 menit, tahun 2023). DE mengoptimalkan seleksi fitur dan hyperparameter XGBoost secara simultan, mereduksi 15 fitur kandidat menjadi 4 fitur terpilih: kecepatan angin, suhu udara, radiasi matahari, dan PM2.5 30 menit sebelumnya. Hasil menunjukkan DE-XGBoost mengungguli Baseline pada ketiga metrik evaluasi: RMSE turun 4,55% (8,6918→8,2964 µg/m³), MAE turun 4,26% (6,0770→5,8181 µg/m³), dan R² meningkat dari 0,8602 menjadi 0,8726. Uji Wilcoxon Signed-Rank (p=0,0086) mengonfirmasi keunggulan ini signifikan secara statistik, dengan perbaikan paling nyata pada kategori polusi tinggi (MAE turun 10,9%). Penelitian ini juga menghasilkan prototipe aplikasi web berbasis Streamlit sebagai demonstrasi sistem peringatan dini kualitas udara.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Subjects: | 000_umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan | |||||||||
| Divisions: | Fakultas Teknik > Program Studi Teknik Informatika | |||||||||
| Depositing User: | user Teknik Informatika | |||||||||
| Date Deposited: | 28 Jul 2026 03:37 | |||||||||
| Last Modified: | 28 Jul 2026 03:37 | |||||||||
| URI: | http://repositori.umrah.ac.id/id/eprint/11149 |
Actions (login required)
 |
View Item |