Analisis Prediksi Runup Gelombang Pada Breakwater Menggunakan Metode Gradient Boosting (XGBoost)

Ardhika, I Putu Crisna Putra (2024) Analisis Prediksi Runup Gelombang Pada Breakwater Menggunakan Metode Gradient Boosting (XGBoost). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 04311940000096-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (14MB) | Request a copy

Abstract

Pesisir pantai adalah wilayah dengan morfologi yang bersifat dinamis sehingga sering mengalami perubahan karena adanya interaksi antara gelombang laut dengan daratan. Hal ini menjadikan erosi, abrasi, dan sedimentasi sebagai fenomena yang umum di wilayah tersebut. Fenomena ini dapat berpotensi memberikan dampak buruk pada kehidupan masyarakat sekitarnya apabila dibiarkan begitu saja. Untuk mengurangi dampak buruk tersebut, maka dibutuhkan suatu struktur pelindung pantai salah satunya adalah breakwater. Analisis terhadap runup gelombang merupakan salah satu hal krusial yang perlu dilakukan dalam merencanakan desain dan mengukur kekuatan breakwater, namun dapat menjadi tantangan karena kompleksitas hubungan variabel-variabelnya. Oleh sebab itu, penelitian ini mengadaptasi pendekatan yang modern berbasis machine learning dengan mengembangkan sebuah model extreme gradient boosting (XGBoost) untuk memprediksi ketinggian runup gelombang secara lebih efisien dan dapat diandalkan. Pembangunan model dilakukan dengan melibatkan penggunaan data sintetis untuk kepentingan penelitian dan model yang berhasil dibangun memiliki performa yang baik berdasarkan nilai metrik evaluasinya meliputi MAE, MAPE, RMSE, dan skor R2, yaitu masing-masing nilainya sebesar 0.0077, 0.0758, 0.0094, dan 0.8919. Nilai yang diprediksi oleh model kemudian dibandingkan dengan nilai yang didapatkan saat pengujian di laboratorium, hasilnya menunjukkan bahwa model memiliki kemampuan prediksi yang sangat baik karena nilai ketinggian runup gelombang yang diprediksi memiliki selisih rata-rata sebesar 0.007 m dan presentase kesalahan rata-ratanya hanya 7.48% dari nilai ketinggian runup gelombang sesungguhnya. Selanjutnya, hasil penelitian juga menunjukkan bahwa tinggi gelombang signifikan merupakan faktor dominan yang menyebabkan terbentuknya runup gelombang.
=================================================================================================================================
The coastal area is a dynamically morphological region, often undergoing changes due to the interaction between sea waves and the land. This results in erosion, abrasion, and sedimentation becoming common phenomena in the area. These phenomena have the potential to have adverse effects on the lives of the surrounding communities if left unaddressed. To mitigate these adverse impacts, the implementation of coastal protection structures, such as breakwaters, is necessary. Analysis of wave runup is a crucial aspect in planning the design and assessing the strength of breakwaters, yet it can be challenging due to the complexity of the relationships among the variables. Therefore, this study adapts a modern machine learning-based approach by developing an Extreme Gradient Boosting (XGBoost) model to predict wave runup heights more efficiently and reliably. The model development involves the use of synthetic data for research purposes, and the resulting model demonstrates good performance based on evaluation metrics including MAE, MAPE, RMSE, and R2 scores, which are 0.0077, 0.0758, 0.0094, and 0.8919 respectively. The values predicted by the model are then compared with those obtained during laboratory testing, revealing that the model exhibits excellent predictive capabilities with an average difference of 0.007 meters and an average error percentage of only 7.48% from the actual wave runup heights. Furthermore, the study results indicate that significant wave height is a dominant factor contributing to the formation of wave runup.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pesisir Pantai, Breakwater, Runup Gelombang, Data Sintetis, Machine Learning, XGBoost, Coastal Area, Wave Runup, Synthetic Data
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > TC Hydraulic engineering. Ocean engineering > TC203.5 Coastal engineering T Technology > TC Hydraulic engineering. Ocean engineering > TC333 Breakwaters
Divisions:	Faculty of Marine Technology (MARTECH) > Ocean Engineering > 38201-(S1) Undergraduate Thesis
Depositing User:	I Putu Crisna Putra Ardhika
Date Deposited:	09 Jul 2024 09:46
Last Modified:	09 Jul 2024 09:46
URI:	http://repository.its.ac.id/id/eprint/108213

Actions (login required)

View Item