INTERPRETASI SHAPLEY ADDITIVE EXPLANATIONS TERHADAP MODEL XGBOOST DALAM PERAMALAN PM2.5 DKI JAKARTA BERBASIS GUI

Iffadah, Adhisa Shilfadianis (2025) INTERPRETASI SHAPLEY ADDITIVE EXPLANATIONS TERHADAP MODEL XGBOOST DALAM PERAMALAN PM2.5 DKI JAKARTA BERBASIS GUI. Undergraduate thesis, Universitas Pembangunan Nasional Veteran Jawa Timur.

	Text (Cover) 21083010016_COVER.pdf Download (4MB)
	Text (Bab 1) 21083010016_BAB 1.pdf Download (92kB)
	Text (Bab 2) 21083010016_BAB 2.pdf Restricted to Registered users only until 20 June 2025. Download (405kB) | Request a copy
	Text (Bab 3) 21083010016_BAB 3.pdf Restricted to Registered users only until 20 June 2025. Download (223kB) | Request a copy
	Text (Bab 4) 21083010016_BAB 4.pdf Restricted to Registered users only until 20 June 2025. Download (6MB) | Request a copy
	Text (Bab 5) 21083010016_BAB 5.pdf Restricted to Registered users only until 20 June 2025. Download (14kB) | Request a copy
	Text (Daftar Pustaka) 21083010016_DAFTAR PUSTAKA.pdf Download (154kB)
	Text (Lampiran) 21083010016_LAMPIRAN.pdf Restricted to Registered users only until 20 June 2025. Download (4MB) | Request a copy

Abstract

Penurunan kualitas udara di Jakarta telah menjadi isu lingkungan dan kesehatan yang semakin mengkhawatirkan, terutama akibat tingginya konsentrasi PM2.5, salah satu polutan udara paling berbahaya. Pada tahun 2024, polusi udara di Jakarta diperkirakan menyebabkan lebih dari 8.400 kematian serta kerugian ekonomi mencapai 34 miliar rupiah. Penelitian ini bertujuan untuk membangun model prediksi kualitas udara, khususnya konsentrasi PM2.5, yang tidak hanya akurat, tetapi juga dapat dijelaskan secara interpretatif. Dua metode machine learning digunakan dalam penelitian ini, yaitu Extreme Gradient Boosting (XGBoost) dan Random Forest. Untuk meningkatkan transparansi model, digunakan pendekatan explainable AI berupa Shapley Additive Explanations (SHAP) dalam menganalisis kontribusi masing-masing fitur terhadap hasil prediksi. Data yang digunakan merupakan data Indeks Standar Pencemar Udara (ISPU) dari lima Stasiun Pemantauan Kualitas Udara (SPKU) di DKI Jakarta, dengan rentang waktu pengukuran dari Januari 2021 hingga November 2024 dan total 5.839 data harian. Hasil penelitian menunjukkan bahwa model XGBoost dengan optimasi Grid Search memberikan performa terbaik dengan nilai RMSE sebesar 11,69, mengungguli model Random Forest. Analisis SHAP mengidentifikasi fitur PM10 dan Max sebagai variabel dengan pengaruh terbesar terhadap prediksi PM2.5. Model terbaik kemudian diintegrasikan ke dalam aplikasi web prediksi kualitas udara yang memungkinkan pengguna untuk melihat prakiraan PM2.5 hingga tiga hari ke depan. Implementasi ini diharapkan dapat menjadi solusi praktis dalam mendukung kebijakan mitigasi dan peringatan dini oleh pemerintah maupun masyarakat.

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor Trimono, Trimono NIDN0008099501 UNSPECIFIED Thesis advisor Prasetya, Dwi Arman NIDN0005128001 UNSPECIFIED
Subjects:	T Technology > T Technology (General) T Technology > TD Environmental technology. Sanitary engineering
Divisions:	Faculty of Computer Science > Departemen of Data Science
Depositing User:	adhisa shilfadianis iffadah
Date Deposited:	19 Jun 2025 03:40
Last Modified:	19 Jun 2025 03:40
URI:	https://repository.upnjatim.ac.id/id/eprint/38413

Actions (login required)

View Item