Prediksi Ketinggian Air Sensor Pada Standing Water Detector (SWD) Dengan Metode Regresi Linear Dan Regresi Random Forest

Bandoro, Arya (2022) Prediksi Ketinggian Air Sensor Pada Standing Water Detector (SWD) Dengan Metode Regresi Linear Dan Regresi Random Forest. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 01111840000002-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Hydroplaning merupakan salah satu penyebab beberapa kecelakaan pada moda transportasi udara. Hydroplaning/Standing Water dapat menyebabkan sebuah pesawat mengalami slip dan berpotensi untuk menimbulkan kecelakaan yang serius. Untuk mengatasi hal tersebut dikembangkan sebuah piranti sensor yang bernama Standing Water Detector (SWD). Tujuan dari penelitian ini adalah untuk membuat sebuah model yang dapat melakukan prediksi terhadap ketinggian air di sensor dan mencari pengaruh dari keadaan lingkungan disekitar sensor dengan hasil ketinggian yang dibaca oleh sensor. Metode yang digunakan dalam penelitian ini adalah menggunakan metode machine learning dengan metode regresi linear dan random forest. Parameter yang digunakan dalam menentukan fitur yang menjadi prediktor adalah temperatur rata rata, arah angin, kecepatan angin, serta kelembapan/humiditas. Dari model yang diperoleh didapatkan bahwa model dapat memprediksi ketinggian sensor dengan data lingkungan dengan error untuk model regresi linear mempunya RMSE sebesar 0.01170 mm dan regresi pohon acak sebesar 2.631 Hz. Hal ini menunjukan bahwa model yang dibangun memiliki keakuratan yang cukup baik, sehingga dapat dijadikan dasar dalam memprediksikan ketinggian air di bandara. dan fitur yang paling mempengaruhi adalah Temperatur rata rata, curah hujan dan kelembapan rata rata. Dari percobaan yang dilakukan dengan input Kelembapan,Temperatur, frekuensi sensor didapatkan bahwa nilai prediksi baik prediksi waktu maupun ketinggian mendekati nilai aslinya.
=================================================================================================================================
Hydroplaning is one of the causes of several accidents in air transportation modes, Hydroplanning/Standing Water can cause an aircraft to slip and have the potential to cause serious accidents. To overcome this, a sensor device called a Standing Water Detector (SWD) was developed. The purpose of this research is to create a model that can develop the sensor and look for the influence of the environmental conditions around the sensor with the results of the height that is read by the sensor. The method used in this research is machine learning method with linear regression method and random forest. The parameters used in determining the predictor features are the average temperature, wind direction, wind speed, and humidity. From the obtained model, it is found that the model can predict the sensor height with environmental data with an error for the linear regression model having an RMSE of 0.01170 mm and a random tree regression of 2.631 Hz it shows that the model have a good accuracy and can be used to predict water level in the airport, and the most influencing features are the average temperature, rainfall and average humidity. From the model concluded that the model can predict based on environmental features acurrately.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Hydroplaning, machine learning, Linear Regression, Random Forest, Standing Water Detector (SWD).
Subjects:	Q Science > QC Physics
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Physics > 45201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	08 Oct 2025 07:54
Last Modified:	08 Oct 2025 07:54
URI:	http://repository.its.ac.id/id/eprint/128519

Actions (login required)

View Item