Prediksi urban heat island menggunakan metode random forest regression: Studi kasus Kota Malang

INDONESIA:

Pada abad ke-21 ini Urban Heat Island atau pulau panas perkotaan merupakan salah satu masalah besar yang sangat berdampak pada peradaban umat manusia. Salah satu kota besar yang terdampak ini adalah Kota Malang. Penelitian ini bertujuan untuk merancang sistem prediksi Urban Heat Island menggunakan metode Random Forest Regression dengan bertujuan untuk mengevaluasi performa model untuk mendapatkan model terbaik. Penelitian ini melibatkan dua skenario utama, yaitu agregasi akhir menggunakan mean dan median, yang bertujuan untuk menentukan model dengan performa terbaik dalam memprediksi UHI. Evaluasi model dilakukan menggunakan tiga metrik utama: Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE), dan R-squared (R²). Hasil penelitian menunjukkan bahwa model dengan agregasi mean memiliki keunggulan dalam hal akurasi prediksi, dengan nilai MSE dan MAPE yang lebih rendah serta nilai R² yang lebih tinggi dibandingkan agregasi median. Model terbaik ditemukan pada skenario agregasi mean dengan konfigurasi 500 trees, max depth 20, dan bootstrap samples 0.5, yang menghasilkan nilai MSE sebesar 1.56068, MAPE sebesar 2.700732, dan R² sebesar 0.857488. Selain itu, penerapan model terbaik ini dalam memprediksi UHI per tahun dari 2019 hingga 2023 menunjukkan adanya penurunan area dengan prediksi akurat, yang dapat mencerminkan perubahan lingkungan dan perkembangan urbanisasi di Kota Malang. Berdasarkan temuan ini, model agregasi mean dipilih sebagai model terbaik untuk prediksi Urban Heat Island.

ENGLISH:

In the 21st century, Urban Heat Island (UHI) has emerged as a significant issue impacting human civilization. One of the major cities affected by this phenomenon is Malang, Indonesia. This study aims to design a UHI prediction system using the Random Forest Regression method to evaluate model performance and identify the best-performing model. The research involves two main scenarios, utilizing mean and median aggregation, to determine the model with the best performance in predicting UHI. Model evaluation was conducted using three primary metrics: Mean Squared Error (MSE), Mean Absolute Percentage Error (MAPE), and R-squared (R²). The results indicate that the model using mean aggregation demonstrated an advantage in prediction accuracy, with consistently lower MSE and MAPE values and higher R² values compared to the median aggregation. The optimal model was found in the mean aggregation scenario, with a configuration of 500 trees, a max depth of 20, and bootstrap samples set to 0.5, yielding an MSE of 1.56068, MAPE of 2.700732, and R² of 0.857488. Furthermore, applying this optimal model to predict UHI annually from 2019 to 2023 showed a gradual decrease in the area with accurate predictions, potentially reflecting environmental changes and urbanization developments in Malang. Based on these findings, the mean aggregation model is selected as the best approach for Urban Heat Island prediction.

ARABIC:

في القرن الواحد والعشرين، تُعَدّ ظاهرة "الجزيرة الحرارية الحضرية" من أكبر المشكلات التي تؤثر بشكل كبير على حضارة البشرية. ومن المدن الكبرى المتأثرة بهذه الظاهرة مدينة مالانغ. تهدف هذه الدراسة إلى تصميم نظام للتنبؤ بـ "الجزيرة الحرارية الحضرية" باستخدام طريقة التراجع العشوائي للغابة (Random Forest Regression) لتقييم أداء النموذج من أجل الوصول إلى النموذج الأفضل. وتشمل هذه الدراسة سيناريوهين رئيسيين: التجميع باستخدام الوسط الحسابي والتجميع باستخدام الوسيط، بهدف اختيار النموذج الأكثر دقة في التنبؤ بالجزيرة الحرارية الحضرية. تم تقييم النموذج باستخدام ثلاث معايير أساسية: متوسط مربع الخطأ (MSE)، ومتوسط نسبة الخطأ المطلق (MAPE)، ومعامل التحديد (R²). أشارت نتائج الدراسة إلى تفوق النموذج الذي يعتمد على تجميع الوسط الحسابي من حيث دقة التنبؤ، حيث كانت قيم متوسط مربع الخطأ ونسبة الخطأ المطلقة أقل، في حين كانت قيمة معامل التحديد أعلى مقارنة بالتجميع بالوسيط. وقد تم تحديد النموذج الأفضل في سيناريو التجميع بالوسط الحسابي بتهيئة شملت 500 شجرة، وعمق أقصى يبلغ 20، وعينات باستخدام "التشغيل المدمج" بنسبة 0.5، حيث حقق هذا النموذج قيمة MSE قدرها 1.56068، وMAPE قدرها 2.700732، وR² بلغ 0.857488. بالإضافة إلى ذلك، أظهر تطبيق النموذج الأفضل للتنبؤ بالجزيرة الحرارية الحضرية بين الأعوام 2019 و2023 انخفاضًا في مساحة المناطق ذات التنبؤ الدقيق، مما قد يعكس التغيرات البيئية والتطور العمراني في مدينة مالانغ. وبناءً على هذه النتائج، تم اختيار نموذج التجميع بالوسط الحسابي كأفضل نموذج للتنبؤ بالجزيرة الحرارية الحضرية.