http://repository.ipb.ac.id/handle/123456789/77 Mon, 06 Apr 2026 10:28:13 GMT 2026-04-06T10:28:13Z http://repository.ipb.ac.id/handle/123456789/172815 Kajian Metode Seleksi Fitur Filter, Wrapper, dan Embedded pada Pemodelan Klasifikasi Marshelle, Sean Seleksi fitur adalah suatu metode yang digunakan dalam mencari fitur atau peubah (variable) yang relevan untuk meningkatkan kinerja model dan mengurangi banyaknya peubah (dimensi dari data). Seleksi fitur digunakan sebagai metode tambahan untuk mencegah terjadinya overfitting atau meningkatnya error pada tahap pembelajaran model. Metode seleksi fitur dibagi menjadi 3 cara, yaitu filter, wrapper, dan embedded. Pada cara filter terdapat 2 metode yang digunakan, yaitu Information Gain dan Chi-Squared. Pada metode seleksi fitur wrapper menggunakan 2 metode, yaitu Sequential Forward Selection dan Genetic Algorithm. Seleksi fitur dengan metode embedded menggunakan 2 metode, yaitu Least Absolute Shrinkage and Selection Operator dan Elastic Net. Penelitian ini mengkaji metode seleksi fitur dengan pendekatan literatur, penggunaan data simulasi, dan data empiris. Pendekatan secara literatur digunakan untuk melihat hasil penelitian terdahulu dalam melakukan seleksi fitur terhadap performa model yang dihasilkan. Data simulasi digunakan untuk melihat kemampuan metode dalam melakukan seleksi fitur tidak relevan dan akurasi model yang dihasilkan. Data simulasi yang digunakan terdapat 2 jenis, yaitu n =150 dan p = 50 dan data dimensi tinggi n =100 dan p = 50. Data empiris digunakan untuk melihat performa model yang dihasilkan dengan penggunaan berbagai jenis dataset sekunder. Data empiris yang digunakan diperoleh dengan internet pada repository UCI machine learning dan 4 jenis dataset yang digunakan adalah heart failure clinical records, gallstone, Nomao, dan Darwin. Tujuan dari penelitian ini adalah Mengkaji karakteristik (waktu komputasi dan nilai kebaikan) dari model filter, wrapper, dan embedded melalui kajian literatur, simulasi dan empirik. Kajian literatur dilakukan untuk melihat hasil dari penelitian terdahulu mengenai penggunaan seleksi fitur. Kajian simulasi digunakan untuk melihat kemampuan metode seleksi fitur dalam melakukan eliminasi fitur tidak relevan dan mempertahankan fitur relevan. Kajian empirik dilakukan untuk melihat kemampuan seleksi fitur dalam menghasilkan karakteristik model yang dihasilkan. Pada hasil kajian literatur metode seleksi fitur dapat meningkatkan performa model berupa peningkatan akurasi maupun parameter model lainnya, selain itu seleksi fitur dapat meningkatkan performa model pada data tak seimbang. Penggunaan metode seleksi fitur perlu diperhatikan dalam penggunaan dataset dan algoritma pemodelan yang digunakan, karena pada dataset tertentu seleksi fitur dapat meningkatkan performa model namun juga dapat menurunkan performa model. Hasil kajian simulasi menunjukan metode seleksi fitur embedded seperti LASSO dan EN dapat mempertahankan fitur relevan lebih baik dibandingkan dengan metode lainnya. LASSO baik dalam mempertahankan fitur relevan dengan dataset simulasi n = 150 dan p = 50, sedangkan EN dapat mempertahankan fitur relavan dengan baik pada dataset berdimensi tinggi n = 50 dan p =100. Pada hal melakukan eliminasi pada fitur tidak relevan LASSO memiliki persentase eliminasi tinggi pada setiap fitur tidak relevan dibandingkan metode filter dan wrapper. Kajian empiris dengan menggunakan 4 jenis dataset menunjukan metode filter dan wrapper dapat melakukan reduksi fitur sebanyak ±50% pada setiap dataset, sedangkan embedded seperti LASSO melakukan reduksi antara 5 – 30% dari total jumlah fitur dan EN tidak melakukan reduksi fitur pada data berdimensi tinggi melainkan hanya melakukan penyusutan koefisien tanpa reduksi. Wrapper memiliki waktu komputasi yang tinggi dibandingkan metode filter dan embedded. Performa model yang dihasilkan metode wrapper unggul pada dataset dengan jumlah fitur sedikit dan data dengan kelas seimbang dengan model regresi logisitik menghasilkan nilai kebaikan model lebih tinggi 2 – 5% dibandingkan metode filter dan embedded. Metode embedded seperti LASSO memberikan performa model regresi logistik lebih baik pada dataset dengan jumlah fitur tinggi dan berdimensi tinggi, sedangkan metode filter meningkatkan performa model random forest 8 – 10% pada dataset dengan kelas tak seimbang. Metode wrapper memerlukan waktu komputasi yang lebih tinggi dibandingkan dengan filter dan embedded yang mana ditentukan berdasarkan penggunaan algoritma sebagai estimator. Metode filter menghasilkan nilai kebaikan model yang lebih baik dengan pemodelan random forest pada setiap jenis dataset, namun kurang baik dalam mempertahankan fitur relavan karena eliminasi dilakukan secara manual pada batas nilai tertentu. Metode wrapper menghasilkan nilai kebaikan model regresi logistik lebih baik dibandingkan pada nilai kebaikan model random forest terutama pada data dengan kelas tidak seimbang, serta kurang baik dalam mempertahankan fitur relevan. Metode embedded memberikan nilai kebaikan model regresi logistik lebih baik dibandingkan dengan random forest pada data berdimensi tinggi, serta baik dalam mempertahankan fitur relevan dengan fungsi penalti. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172815 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172766 Analisis Indeks dan Tren Curah Hujan Secara Spasial dan Temporal di Pulau Jawa Setyani, Pudji Analisis curah hujan dilakukan berdasarkan panjang data pengamatan 48 tahun dari tahun 1961 - 2008 di 229 stasiun/pos hujan di pulau Jawa. Analisis ditujukan untuk mendapatkan indeks curah hujan dan mengkaji tren curah hujan secara spasial dan temporal di pulau Jawa. Pulau Jawa ditandai dengan perkembangan jumlah penduduk yang cepat, tingginya aktivitas bidang pertanian, industri dan sumber energi berbasis hidrologi sehingga diperlukan penataan dan manajemen tata lingkungan yang baik. Untuk mendukung hal tersebut diperlukan informasi mengenai perubahan iklim terutama perubahan curah hujan secara spasial dan temporal. Dalam penelitian ini menggunakan metode Mann-Kendall untuk mengetahui tingkat kecenderungan curah hujan. Hal ini terkait dengan perubahan iklim, apakah perubahan iklim teridentifikasi dari perubahan distribusi dan tren curah hujan di Indonesia. Selain itu, diharapkan dapat diketahui bagaimana hubungan antara curah hujan dan fenomena osilasi ataupun monsoon di pulau Jawa. Beberapa hal tersebut menjadi tujuan analisis curah hujan di pulau Jawa yang diharapkan dapat membantu mengidentifikasi wilayah di Jawa yang berpotensi memiliki iklim yang ekstrim, dimana wilayah tersebut rentan terhadap bahaya banjir di musim hujan dan bahaya kekeringan di musim kemarau, sehingga mempermudah dalam melakukan usaha antisipasi sebelum bencana tersebut terjadi. Dari 229 stasiun/pos hujan di wilayah pulau Jawa dan Madura, diperoleh data curah hujan bulanan pada masing-masing stasiun/pos hujan. Dari masing-masing stasiun/pos hujan dicari rata-rata bulanannya dan indeksnya atau indeks Jawa. Selain itu terdapat pembagian 3 (tiga) bulanan selama satu tahun disesuaikan dengan adanya musim di Indonesia. DJF (Desember, Januari, Februari) untuk musim hujan, MAM (Maret, April, Mei) musim peralihan dari musim hujan ke musim kemarau, JJA (Juni, Juli, Agustus) untuk musim kemarau dan SON (September, Oktober, Nopember) musim peralihan dari musim kemarau ke musim hujan. Dari masing-masing pengelompokan musim dicari rata-rata tahunannya dan rata-rata musimannya, kemudian dihitung indeks dari nilai tersebut. Pada penelitian untuk musimannya dilakukan pada bulan-bulan basah (DJF) dan pada bulan-bulan kering (JJA), yang terbagi dalam 10 tahunan, 20 tahunan dan 30 tahunan. Selanjutnya melakukan uji tren data curah hujan dengan menggunakan metode Mann-Kendall dari data tiap-tiap stasiun/pos hujan. Secara keseluruhan pulau Jawa mengalami musim hujan pada bulan Desember hingga Mei, dengan diawali pada sebagian besar wilayah Jawa bagian barat pada bulan Oktober, khususnya untuk wilayah dataran tinggi, sedangkan wilayah pesisir atau pantai mengalami awal musim hujan yang paling akhir. Berikutnya awal musim hujan akan diikuti ke wilayah tengah pada bulan berikutnya hingga akhirnya ke bagian timur. Periode musim kemarau adalah bulan Juni hingga ... Sat, 01 Jan 2011 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172766 2011-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172647 Pengaruh Variabilitas Iklim dan Karhutla terhadap Dinamika Konsentrasi PM 2.5 Kota Pontianak Tahun 2022-2023 Qonita, Ismi Rizqi Pontianak City, as the capital of West Kalimantan Province, faces serious challenges related to air quality, making air quality monitoring essential. Air quality deterioration frequently occurs, particularly during forest and land fire (FLF) events in surrounding areas. Forest and land fires in West Kalimantan are often triggered by human activities and are further exacerbated by local climatic and weather conditions. These fires generate smoke containing particulate pollutants such as PM2.5. Due to its small diameter (= 2.5 µm), PM_2.5 can be easily inhaled and deposited in the respiratory system (Sompornrattanaphan et al. 2020). In addition to emission sources, meteorological conditions such as air temperature, rainfall, and wind speed play an important role in the dynamics of PM_2.5 concentrations (Wark et al. 1998). Climate variability, particularly ENSO, can influence rainfall patterns, air temperature, and atmospheric circulation, potentially intensifying dry or wet seasons and increasing the risk of forest and land fires. This study aims to describe the concentration condition of temperature, rainfall, and wind speed play an important role in the dynamics of PM_2.5 in Pontianak City during 2022-2023, examining the influence of climate variability and meteorological factors, and evaluating the contribution of forest and land fire events to fluctuations in temperature, rainfall, and wind speed play an important role in the dynamics of PM_2.5 concentrations. The study period of 2022–2023 was selected to represent two contrasting climate conditions, allowing for a comparative analysis of PM_2.5dynamics. Cross-Correlation Function (CCF) analysis was employed to identify time lags between forest and land fire occurrences and subsequent increases in PM_2.5 concentrations. Air mass trajectory analysis using the HYSPLIT model was conducted to examine the direction and pathways of pollutant transport, providing insight into potential source regions and the contribution of surrounding areas to PM_2.5 fluctuations in Pontianak City. The data used in this study include daily PM_2.5 concentrations obtained from the Ministry of Environment and Forestry (KLH) of Pontianak City, along with daily meteorological parameters rainfall, air temperature, wind speed, and wind direction from the Pontianak Maritime Meteorological Station (BMKG). Climate variability was analyzed using the Niño 3.4 index as an indicator of ENSO (El Niño–Southern Oscillation) to describe climate anomalies during the study period. Forest and land fire events were assessed using daily hotspot data and burned area information obtained from SIPONGI (KLH). The results of the analysis showed that the concentration of PM_2.5 in Pontianak City in 2022–2023 showed a diurnal pattern with an increase in morning and evening and a decrease during the day, with the maximum daily value still below the 24-hour BMUA, but the annual average has exceeded the annual BMUA. Climatic conditions play a role in the PM_2.5 variation, where weak La Niña conditions in the 2022 MAM season are related to lower concentrations, while El Niño is medium-strong in the 2023 JJA season along with an increase in PM_2.5 resulting in a decrease in air quality. A significant increase in forest and land fire hotspots in 2023 contributed substantially to elevated PM_2.5concentrations, with responses occurring at lags of 0 to +4 days. Meteorological factors showed relatively weak influences and acted as supporting factors, while PM_2.5 dynamics were governed by a combination of local emission sources, long-range transport, and regional atmospheric conditions, as corroborated by HYSPLIT model results. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172647 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/172468 Relationship Between Smartphone Addiction and Anxiety among Adolescents in Indonesia Purba, Desi Ariani Putri Br. Smartphone addiction has become a global concern in the digital era and can affect individuals across various demographic groups, including adolescents. Smartphone addiction was associated with anxiety and its sociodemographic factors. Studies have reported a correlation between smartphone addiction and anxiety among adolescents. In Indonesia, research examining this relationship has been conducted. However, studies reporting on small sample sizes and sociodemographic factors remain limited. This study investigated the level of smartphone addiction and anxiety among Indonesian adolescents, as well as the relationship between smartphone addiction and anxiety, by considering sociodemographic factors. This study recruited 1,636 adolescents from junior and senior high schools using random sampling. Data were collected through an online questionnaire from participants, which consisted of informed consent, sociodemographic data, the Smartphone Addiction Scale–Short Version (SAS-SV), and the Beck Anxiety Inventory (BAI). Data were analyzed using Spearman correlation analysis and Generalized Linear Model (GLM). The results revealed that the level of smartphone addiction among Indonesian adolescents was 45.97%, with anxiety levels at a moderate level. Smartphone addiction was associated with female gender, senior high school education level, longer screen time, and higher monthly expenditure on smartphone use. Anxiety was associated with female gender, a senior high school education level, lower participation in extracurricular activities, and longer screen time. Significant positive correlation was found between smartphone addiction and anxiety. Thu, 01 Jan 2026 00:00:00 GMT http://repository.ipb.ac.id/handle/123456789/172468 2026-01-01T00:00:00Z