NOVITASARI, WULAN and Ritha, Nola and Magfira, Fortia (2026) PREDIKSI JUMLAH KASUS ISPA DI TANJUNGPINANG MENGGUNAKAN ALGORITMA XGBOOST DENGAN OPTIMASI HYPERPARAMETER. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) WULAN_NOVITASARI_2201020081_Teknik_Informatika - Cover.pdf - Published Version Download (660kB)
	Text (Abstrak) WULAN_NOVITASARI_2201020081_Teknik_Informatika - Abstrak.pdf - Published Version Download (250kB)
	Text (BAB I) WULAN_NOVITASARI_2201020081_Teknik_Informatika - BAB I.pdf - Published Version Download (465kB)
	Text (Daftar Pustaka) WULAN_NOVITASARI_2201020081_Teknik_Informatika - Daftar Pustaka.pdf - Published Version Download (466kB)
	Text (Full Teks) WULAN_NOVITASARI_2201020081_Teknik_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Infeksi Saluran Pernapasan Akut (ISPA) merupakan salah satu masalah kesehatan utama di Kota Tanjungpinang dengan jumlah kasus yang tinggi dan dipengaruhi oleh kondisi iklim yang tidak stabil. Hubungan antara faktor iklim dan jumlah kasus ISPA bersifat kompleks sehingga sulit dimodelkan menggunakan metode statistik konvensional. Penelitian ini bertujuan menganalisis performa algoritma XGBoost dengan optimasi hyperparameter menggunakan Grid Search dan Random Search dalam memprediksi jumlah kasus ISPA harian berdasarkan faktor iklim, serta menentukan metode optimasi dengan performa terbaik. Data yang digunakan berupa data harian periode Januari 2022–April 2026 sebanyak 1.580 data, dengan variabel suhu, kelembapan, curah hujan, kecepatan angin, dan fitur lag jumlah kasus ISPA. Evaluasi model dilakukan menggunakan RMSE dan MAE. Hasil penelitian menunjukkan bahwa optimasi hyperparameter mampu meningkatkan performa model XGBoost Default. Model dengan optimasi Random Search menghasilkan performa terbaik dengan RMSE 40,090 dan MAE 28,639, lebih baik dibandingkan Grid Search (RMSE 40,096; MAE 28,815) maupun Default (RMSE 42,576; MAE 30,052). Analisis SHAP menunjukkan bahwa fitur lag jumlah kasus ISPA tujuh hari sebelumnya (ispalag_7) merupakan variabel yang memberikan kontribusi terbesar terhadap hasil prediksi. Model ini berpotensi mendukung pengambilan keputusan dalam mitigasi dan penanganan ISPA di Kota Tanjungpinang.

Actions (login required)

View Item