Prediksi urban heat island menggunakan algoritma gradient tree boosting: Studi kasus Kota Malang

INDONESIA:

Fenomena Urban Heat Island (UHI) merupakan masalah lingkungan yang signifikan di kota-kota besar, termasuk Kota Malang. Penelitian ini bertujuan untuk melatih model prediksi UHI di Kota Malang menggunakan Algoritma Gradient Tree Boosting (GTB). Metode penelitian melibatkan pemrosesan data citra satelit untuk memperoleh data suhu permukaan dan faktor penentu lainnya, yang kemudian digunakan untuk melatih model prediksi. Pelatihan model dilakukan dengan berbagai skenario kombinasi dari rasio data latih uji, learning rate dan loss function untuk mendapatkan model terbaik. Hasil penelitian menunjukkan bahwa model terbaik diperoleh pada skenario ketujuh dengan kombinasi rasio data latih 70%, learning rate 0,1, dan loss function squared error. Model ini menghasilkan nilai Mean Squared Error (MSE) yang rendah sebesar 1,76, Mean Absolute Percentage Error (MAPE) sebesar 2,79, dan R-squared (R²) sebesar 0,88. Nilai MSE dan MAPE yang rendah menunjukkan bahwa model memiliki performa prediksi yang baik dengan kesalahan yang minimal. Sementara itu, nilai R² yang tinggi menunjukkan kemampuan model dalam memahami variasi data dan hubungan antar fitur dengan target secara baik. Analisis hasil pemetaan prediksi mengindikasikan peningkatan suhu hampir di seluruh wilayah Kota Malang, meliputi kecamatan Lowokwaru, Klojen, Blimbing, Kedungkandang, dan Sukun. Fenomena UHI diprediksi akan terjadi di beberapa bagian dari wilayah kecamatan tersebut.

ENGLISH:

The Urban Heat Island (UHI) phenomenon is a significant environmental issue in large cities, including Malang City. This study aims to train a model to predict UHI in Malang City using the Gradient Tree Boosting (GTB) Algorithm. The research method involves processing satellite imagery data to obtain surface temperature and other determinant factors, which are then used to train the prediction model. Model training was conducted with various scenarios combining different ratios of training and testing data, learning rates, and loss functions to obtain the best model. The results show that the best model was obtained in the seventh scenario with a combination of a 70% training data ratio, a learning rate of 0.1, and a squared error loss function. This model produced a low Mean Squared Error (MSE) of 1.76, a Mean Absolute Percentage Error (MAPE) of 2.79, and an R-squared (R²) of 0.88. The low MSE and MAPE values indicate that the model has good predictive performance with minimal errors. Meanwhile, the high R² value demonstrates the model's ability to understand data variations and the relationship between features and the target effectively. Analysis of the prediction mapping results indicates a temperature increase in almost all areas of Malang City, including the districts of Lowokwaru, Klojen, Blimbing, Kedungkandang, and Sukun. The UHI phenomenon is predicted to occur in some parts of these districts.

ARABIC:

تعد ظاهرة جزيرة الحرارة الحضرية (UHI) قضية بيئية مهمة في المدن الكبيرة، بما في ذلك مدينة مالانغ. تهدف هذه الدراسة إلى تدريب نموذج للتنبؤ بـ UHI في مدينة مالانغ باستخدام خوارزمية تعزيز الشجرة المتدرجة (GTB). تتضمن طريقة البحث معالجة بيانات الصور الفضائية للحصول على درجة حرارة السطح والعوامل المحددة الأخرى، التي تُستخدم بعد ذلك لتدريب نموذج التنبؤ. تم إجراء تدريب النموذج باستخدام سيناريوهات مختلفة تجمع بين نسب مختلفة من بيانات التدريب والاختبار، ومعدلات التعلم، ووظائف الفقدان للحصول على أفضل نموذج. أظهرت النتائج أن أفضل نموذج تم الحصول عليه في السيناريو السابع مع مزيج من نسبة بيانات التدريب 70٪، ومعدل تعلم 0.1، ووظيفة فقدان الخطأ التربيعي. أنتج هذا النموذج خطأ تربيعي متوسط (MSE) منخفض قدره 1.76، وخطأ نسبة مطلق متوسط (MAPE) قدره 2.79، ومعامل تحديد (R²) قدره 0.88. تشير القيم المنخفضة لـ MSE و MAPE إلى أن النموذج يتمتع بأداء تنبؤي جيد مع أخطاء قليلة. في حين أن القيمة العالية لـ R² تظهر قدرة النموذج على فهم تباينات البيانات والعلاقة بين الميزات والهدف بشكل فعال. تشير تحليلات نتائج خرائط التنبؤ إلى زيادة في درجة الحرارة في جميع مناطق مدينة مالانغ تقريبًا، بما في ذلك مناطق لووكوارو، كلوين، بليمبينغ، كيدونغكاندانغ، وسوكين. من المتوقع حدوث ظاهرة UHI في بعض أجزاء هذه المناطق.