PREDIKSI KECEPATAN RATA-RATA BERSEPEDA BERDASARKAN KONDISI TOPOGRAFI DAN FAKTOR CUACA MENGGUNAKAN XGBOOST DARI DATA STRAVA
DOI:
https://doi.org/10.70248/jrsit.v3i2.3143Keywords:
Bersepeda, Strava, Topografi, Cuaca, XGBoostAbstract
Meningkatnya minat bersepeda dan penggunaan aplikasi perekam data seperti Strava menuntut pemahaman mendalam mengenai faktor yang memengaruhi performa. Kecepatan rata-rata sangat dipengaruhi oleh variabel non-linear seperti kondisi topografi dan cuaca, sehingga memerlukan model prediksi yang akurat. Tujuan penelitian ini adalah mengimplementasikan Extreme Gradient Boosting (XGBoost) untuk membangun model prediksi kecepatan rata-rata bersepeda. Penelitian berfokus memodelkan hubungan antara data historis aktivitas Strava dengan variabel lingkungan. Metode penelitian dimulai dari pengumpulan data aktivitas pribadi (Juni 2024 - Agustus 2025) , mencakup fitur jarak, elevasi, cuaca, dan waktu tidur. Data mentah melalui pra-pemrosesan, termasuk normalisasi Min-Max Scaler. Data dibagi menjadi 80% data latih dan 20% data uji. Model XGBRegressor dilatih dengan hyperparameter seperti n_estimators=300 dan learning_rate=0.2. Kinerja model dievaluasi menggunakan Root Mean Squared Error (RMSE) dan R-squared (R²). Hasilnya, model XGBoost mampu memberikan estimasi kecepatan dengan akurasi cukup baik. Model mencapai skor RMSE 1.240 km/jam , yang mengindikasikan rata-rata kesalahan prediksi. Selain itu, model memperoleh nilai R² sebesar 0.800. Nilai R² ini berarti model mampu menjelaskan 80% variasi data kecepatan. Kesimpulannya, model XGBoost terbukti representatif
References
Abdullah, M. A. (2025). Prediksi Jumlah Pasien Medical Check Up Berdasarkan Time Series Forecasting Menggunakan Algoritma XGBoost. KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), 6(2), 488–497.
Aji, T., & Bestari, S. (2025). ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI WAKTU TEMPUH PEMBALAP BENTANG JAWA 2024 DENGAN METODE REGRESI RIDGE. Jurnal Statistika Industri Dan Komputasi, 10(2), 15–22.
Aprianto, K., Mahdiyah, U., & Wulanningrum, R. (2025). Analisis Perbandingan Model PSO-LSTM dan LSTM Konvensional untuk Prediksi Harga Bitcoin di Market Cryptocurrency 1*. In INOTEK (Vol. 9).
ICHWAN, M., & ALFARISYI, S. F. (2024). Pemodelan Ritme Kalori Terbakar Setiap Waktu Selama Bersepeda dengan Feedforward Neural Network. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 12(1), 13. https://doi.org/10.26760/elkomika.v12i1.13
Imrit, A. A., Fischer, J., Chan, T. C. Y., Saxe, S., & Bonsma-Fisher, M. (2024). A Street-Specific Analysis of Level of Traffic Stress Trends in Strava Bicycle Ridership and its Implications for Low-Stress Bicycling Routes in Toronto. Transport Findings, 2024. https://doi.org/10.32866/001c.92109
Irawati, A. F., Irwin, & Anshar, A. M. (2024). Kepopuleran Olahraga Sepeda Sebagai Bagian Dari Pola Hidup Sehat. Jurnal Ilmiah Global Education, 5(3), 2038–2043.
Kurniawan, W., & Indahyanti, U. (2024). Prediksi Angka Harapan Hidup Penduduk Menggunakan Metode XGBoost. Indonesian Journal of Applied Technology, 1(2), 18. https://doi.org/10.47134/ijat.v1i2.3045
Lisanthoni, A., Sari, F. I., Gunawan, E. L., & Adhigiadany, C. A. (2023). Model Prediksi Kepadatan Lalu Lintas: Perbandingan Algoritma Random Forest dan XGBoost. Prosiding Seminar Nasional Sains Data, 3(1), 296–303. https://doi.org/10.33005/senada.v3i1.126
Meriani, A. P., & Rahmatulloh, A. (2024). PERBANDINGAN GATED RECURRENT UNIT (GRU) DAN ALGORITMA LONG SHORT TERM MEMORY (LSTM) LINEAR REFRESSION DALAM PREDIKSI HARGA EMAS MENGGUNAKAN MODEL TIME SERIES. Jurnal Informatika Dan Teknik Elektro Terapan, 12(1). https://doi.org/10.23960/jitet.v12i1.3808
Murdiansyah, D. T. (2024). Prediksi Stroke Menggunakan Extreme Gradient Boosting. JIKO (Jurnal Informatika Dan Komputer), 8(2), 419. https://doi.org/10.26798/jiko.v8i2.1295
Nugraha, D. M., & Ariatmanto, D. (2025). Meningkatkan Akurasi Prediksi Harga Bitcoin dengan Algoritma GRU-LSTM Hibrida. 11(1). https://journal.fkom.uniku.ac.id/index.php/buffer
Røsten, S., & Rogstad, E. T. (2025). Ride, record, and share? A study of elite cyclists’ sharing practices on Strava. European Journal for Sport and Society. https://doi.org/10.1080/16138171.2025.2532278
Rupaka, A. P., Sulistyo, A. B., & Punia, D. (2021). Pemetaan Perilaku Pesepeda Pra dan Pasca Pandemi Covid-19 di Provinsi Bali Menggunakan Data Strava Metro. Jurnal Teknologi Transportasi Dan Logistik, 2(2), 119–126. https://doi.org/10.52920/jttl.v2i2.32
Salsabil Muhammad, Azizah Lutvi Nuril, & Ade Eviyanti. (2024). Implementasi Data Mining Dalam Melakukan Prediksi Penyakit Diabetes Menggunakan Metode Random Forest Dan Xgboost. Jurnal Ilmiah Komputasi, 23(1). https://doi.org/10.32409/jikstik.23.1.3507
Sanjaya, K. D. (2024). PREDIKSI HARGA RUMAH DENGAN METODE REGRESI LINEAR DAN SUPPORT VECTOR REGRESSION DI DAERAH TEBET JAKARTA SELATAN (Vol. 19, Issue 2). Versi Cetak.
Saputra, A. A., Sari, B. N., Rozikin, C., Singaperbangsa, U., & Abstrak, K. (2024). Penerapan Algoritma Extreme Gradient Boosting (Xgboost) Untuk Analisis Risiko Kredit. Jurnal Ilmiah Wahana Pendidikan, 10(7), 27–36.
Sitorus, B. (2024). MENUMBUHKAN MINAT MASYARAKAT BERSEPEDA SEBAGAI KEBIASAAN BARU DI KOTA BEKASI. Jurnal Penelitian Sekolah Tinggi Transportasi Darat, 14(2), 108–115. https://doi.org/10.55511/jpsttd.v14i2.656
Surojo, S. S., Widiyatmoko, F., & Kresnapati, P. (2022). Survei Antusiasme Dan Ketertarikan Masyarakat Dalam Bersepeda Di Kota Semarang. Journal of Sport Science and Fitness, 8(1), 63–68. https://doi.org/10.15294/jssf.v8i1.58379
Utomo, A. W. (2016). 済無No Title No Title No Title. Angewandte Chemie International Edition, 6(11), 951–952., 1(0), 1–23.
Widodo, A. P., & Muhammad. (2023). Profil Kondisi Fisik Atlet Balap Sepeda Jalana Raya Puslatcab Issi Surabaya Dalam Rangka Persiapan Porprov Jawa Timur 2022. Jurnal Prestasi Olahraga, 6(1), 30–35.
