Analisis Perbandingan Model Regresi dan Algoritma Ensemble dalam Prediksi Jarak Sensor Inframerah Berdasarkan Sudut dan Material Penghalang

Abstract

Penelitian ini bertujuan untuk menganalisis performa model regresi dan algoritma ensemble dalam
prediksi jarak menggunakan sensor inframerah, dengan mempertimbangkan pengaruh sudut dan material
penghalang terhadap akurasi pengukuran. Sensor inframerah sering digunakan dalam berbagai aplikasi teknologi
karena kemampuannya mendeteksi pantulan sinar inframerah dari objek. Namun, akurasi pengukuran dapat
dipengaruhi oleh faktor eksternal seperti jenis material penghalang dan sudut antara objek dan sensor. Penelitian
ini menggunakan delapan model prediksi, yaitu Linear Regression, Lasso Regression, Support Vector Regressor,
Decision Tree Regressor, Random Forest Regressor, dan Gradient Boosting Regressor. Hasil penelitian
menunjukkan bahwa algoritma ensemble, terutama Gradient Boosting dan Random Forest, memberikan akurasi
prediksi yang lebih baik dibandingkan model regresi tradisional, seperti Linear Regression dan Lasso Regression.
Model ensemble mampu menangkap pola non-linear yang kompleks antara variabel, sedangkan model regresi
lebih efektif dalam menangani hubungan linear sederhana. Temuan ini memberikan panduan bagi pengembangan
sistem pengukuran jarak berbasis sensor inframerah yang lebih akurat.