PREDIKSI PERMINTAAN AIR BERDASARKAN TREN IKLIM MENGGUNAKAN ALGORITMA EXTREME GRADIENT BOOSTING

FRESA PRIHATINI ELISABETH BANTONG. Prediksi Permintaan Air Berdasarkan Tren Iklim Menggunakan Algoritma Extreme Gradient Boosting (dibimbing oleh Elly Warni) Latar Belakang. Pertumbuhan populasi dan perubahan iklim telah memberikan dampak yang signifikan terhadap ketersediaan air bersih, terutama di daerah urban seperti Kota Makassar, di mana kebutuhan akan air terus meningkat seiring dengan peningkatan jumlah penduduk dan dinamika iklim yang tidak menentu. Tantangan ini memerlukan pendekatan yang tepat untuk memprediksi permintaan air bersih secara akurat. Metode. Penelitian ini menggunakan algoritma Extreme Gradient Boosting (XGBoost) dalam membangun model prediksi permintaan air bersih dengan memanfaatkan parameter-parameter klimatologi serta faktor demografi. Selain itu, penelitian ini juga mengevaluasi tingkat akurasi model serta menganalisis dalam penerapan berbagai perlakuan terhadap data dan model. Hasil. Hasil penelitian membuktikkan bahwa model XGBoost dengan Moving Average pada proporsi pembagian data 60:30:10 memberikan kinerja terbaik dibandingkan dengan model lainya dengan nilai MAE sebesar 11.403,20 m³, RMSE sebesar 19.312,97 m³, MAPE sebesar 5,44%, dan R² sebesar 0,86. Kesimpulan. Model XGBoost terbukti baik dalam memprediksi permintaan air. Model menunjukkan peningkatan signifikan terutama dalam pemilihan proporsi pembagian data yang optimal serta penerapan teknik tambahan seperti seleksi fitur, moving average, dan optimasi bayesian dengan menunjukkan peningkatan akurasi prediksi.