Prediksi Curah Hujan Pemicu Banjir Menggunakan Model XGBoost dan Analisis SHAP di Kota Bandung

Rasyad, Alfi Savio (2026) Prediksi Curah Hujan Pemicu Banjir Menggunakan Model XGBoost dan Analisis SHAP di Kota Bandung. Diploma thesis, Universitas Nasional.

	Text Cover.pdf Download (668kB)
	Text Bab 1.pdf Download (487kB)
	Text Bab 2.pdf Download (816kB)
	Text Bab 3.pdf Download (973kB)
	Text Bab 4.pdf Download (826kB)
	Text Bab 5.pdf Download (479kB)
	Text Lampiran.pdf Download (506kB)

Abstract

Banjir di Kota Bandung merupakan tantangan hidrometeorologis persisten yang sering kali dipicu oleh curah hujan ekstrem dengan intensitas tinggi dan durasi singkat. Metode prediksi konvensional sering kali gagal menangkap pola non-linier dan karakteristik distribusi data hujan yang bersifat heavy-tailed dan zero-inflated. Penelitian ini bertujuan untuk mengembangkan model prediksi curah hujan harian yang akurat menggunakan algoritma Extreme Gradient Boosting (XGBoost) serta menerapkan metode Shapley Additive exPlanations (SHAP) untuk mengatasi masalah "kotak hitam" (black-box) pada model machine learning demi kepentingan mitigasi bencana. Penelitian ini memanfaatkan data meteorologis harian dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) periode 2020–2024.

Metodologi penelitian melibatkan pra-pemrosesan data yang komprehensif, termasuk penanganan outlier dan interpolasi berbasis waktu, serta rekayasa fitur (feature engineering) yang membentuk fitur lag dan statistik bergerak (rolling statistics) untuk menangkap persistensi cuaca. Kinerja model dievaluasi menggunakan metrik RMSE, MAE, dan R², serta dibandingkan dengan model baseline seperti Regresi Linier, Random Forest, dan LSTM. Hasil eksperimen menunjukkan bahwa model XGBoost dengan optimasi hiperparameter Bayesian menghasilkan kinerja paling unggul dan stabil dibandingkan model pembanding. Analisis SHAP berhasil mengungkap bahwa fitur historis curah hujan (akumulasi hujan 3 hari sebelumnya) dan kelembapan rata-rata merupakan variabel paling dominan yang memengaruhi prediksi hujan ekstrem. Selain itu, penelitian ini mengidentifikasi ambang batas fisik (physical threshold) pemicu kenaikan probabilitas hujan ekstrem secara interpretatif. Temuan ini diimplementasikan dalam sebuah dashboard sistem informasi yang dapat berfungsi sebagai pendukung keputusan dalam sistem peringatan dini banjir yang transparan dan berbasis data bagi pemangku kepentingan di Kota Bandung.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Prediksi Curah Hujan, Banjir, XGBoost, SHAP, Feature Engineering, Kota Bandung.
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General) T Technology > TS Manufactures
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Fitria Nur Indah Hasanah
Date Deposited:	13 May 2026 06:59
Last Modified:	13 May 2026 06:59
URI:	https://repository.unas.ac.id/id/eprint/15951

Actions (login required)

View Item