Perpustakaan Digital ITB

Debu batubara yang tersuspensi di udara dapat meledak apabila bertemu sumber penyalaan pada kondisi yang mendukung. Eksplosibilitasnya dipengaruhi banyak parameter fisik dan kualitas batubara yang saling terkait, sehingga diperlukan pendekatan yang menyederhanakan hubungan antarvariabel sekaligus menghasilkan model prediksi. Penelitian ini bertujuan menentukan faktor paling berpengaruh terhadap eksplosibilitas debu batubara Indonesia, mengembangkan model prediksi berbasis machine learning, dan membandingkan performa beberapa algoritma untuk memperoleh model terbaik. Digunakan 103 set data sekunder hasil pengujian menggunakan tabung uji ledak tertutup 20 L, dengan konsentrasi, ukuran partikel, moisture, volatile matter, ash, fixed carbon, dan calorific value sebagai variabel independen, serta ???????????? dan ???????????? sebagai target. Principal Component Analysis (PCA) mereduksi ketujuh variabel menjadi empat komponen utama yang menjelaskan 90,82% keragaman data, lalu dipilih empat variabel ber-loading terbesar (volatile matter, calorific value, ukuran partikel, konsentrasi) sebagai input Random Forest, Gradient Boosting, AdaBoost, dan k-Nearest Neighbors Regression. Gradient Boosting memberikan performa terbaik untuk kedua target, dengan RMSE 0,955 bar, MAE 0,626 bar, dan R² 0,882 untuk ????????????, serta RMSE 14,948 bar·m/s, MAE 11,194 bar·m/s, dan R² 0,709 untuk ????????????. Analisis SHAP menunjukkan calorific value sebagai variabel paling dominan, diikuti konsentrasi debu, volatile matter, dan ukuran partikel.