SKRIPSI DIGITAL
Pengembangan Aplikasi Drag Meter Berbasis Mobile Untuk Prediksi Waktu Akselerasi Kendaraan Menggunakan Model XGBoost = Mobile-Based Drag Meter Application Development For Acceleration Time Prediction Using The XGBoost Model
Nafiis Abyan Ilyasa, Pengembangan Aplikasi Drag Meter Berbasis Mobile untuk Prediksi Waktu
Akselerasi Kendaraan Menggunakan Model XGBoost, Idhawati Hestiningsih, S.Kom, M.Kom. dan
Tahan Prahara, S.T., M.Kom., 2026, 131 Halaman.
Pengukuran akselerasi kendaraan umumnya mengandalkan perangkat data logger stasioner berbiaya
tinggi. Penelitian ini bertujuan merancang aplikasi Drag Meter portabel berbasis mobile untuk
memprediksi waktu akselerasi kendaraan pada lintasan 201 meter. Metode yang digunakan meliputi
fusi data sensor smartphone (akselerometer dan GPS), komparasi lima algoritma machine learning
(Regresi Linear, KNN, SVM, ANN, dan XGBoost) menggunakan Monte Carlo Cross-Validation,
serta evaluasi Multi-Metric Borda Count. Sumbangan mandiri utama dalam penelitian ini adalah
optimasi latensi melalui implementasi arsitektur edge computing secara luring menggunakan mesin
inferensi ONNX, serta teknik penyelarasan data (interpolasi linear) untuk sinkronisasi sensor
berfrekuensi rendah terhadap instrumen referensi profesional. Hasil analisis menunjukkan XGBoost
terpilih sebagai model terbaik dengan tingkat galat RMSE 0,0481 detik dan Koefisien Determinasi
(R²) 0,9889. Konversi model XGBoost ke ekosistem lokal terbukti menghasilkan latensi inferensi
instan rata-rata 0,0137 ms per prediksi. Pada pengujian lapangan terhadap ground truth (Racebox),
aplikasi mencatatkan galat rata-rata sebesar 3,28% untuk parameter kecepatan di jarak tetap.
Sementara itu, parameter waktu tempuh mencatatkan galat sebesar 21,28%. Simpangan ini secara
teknis merupakan implikasi dari limitasi perangkat keras, di mana update rate GPS pada smartphone
(1 Hz) mengalami latensi sistematis saat merespons akselerasi tinggi jika dibandingkan dengan
sensor GNSS pada instrumen referensi (hingga 25 Hz).
Kata Kunci: Aplikasi Drag Meter, Pembelajaran Mesin (ML), Komputasi Lokal (Edge
Computing), Fusi Sensor, Agregasi Peringkat Borda Count.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah