<![CDATA[Abstrak. Petir merupakan fenomena atmosfer yang berisiko terhadap keselamatan manusia, sistem tenaga listrik, perangkat telekomunikasi, dan aktivitas luar ruang. Penelitian ini bertujuan mengembangkan model estimasi potensi petir berbasis pola Electric Field Mill (EFM) menggunakan XGBoost dan Bayesian Update. Data EFM diproses melalui tahapan prapemrosesan, ekstraksi fitur deret waktu, pembentukan skor potensi, pemodelan XGBoost, dan pembaruan probabilitas Bayesian. Fitur yang digunakan meliputi nilai medan listrik, perubahan medan listrik, rata-rata bergerak, simpangan baku, nilai maksimum absolut, dan kemiringan perubahan sinyal. Hasil pengujian menunjukkan bahwa XGBoost memperoleh MAE sebesar 1,673, RMSE sebesar 2,108, dan R² sebesar 0,990. Setelah dilakukan Bayesian Update, diperoleh MAE sebesar 5,846, RMSE sebesar 7,313, dan R² sebesar 0,882. Hasil tersebut menunjukkan bahwa XGBoost memberikan performa estimasi terbaik secara numerik, sedangkan Bayesian Update berperan sebagai mekanisme pembaruan probabilitas posterior yang lebih konservatif dan stabil. Penelitian ini dapat menjadi dasar awal pengembangan sistem peringatan dini petir berbasis EFM.]]>
Copyrights © 2026
