PERBANDINGAN METODE SAVITZKY-GOLAY, RANDOM FOREST, DAN XGBOOST UNTUK PENGHALUSAN SINYAL DIFRAKTOGRAM XRD SAMPEL NIKEL (OREAS 199)

Abstrak

Proses karakterisasi suatu material dengan metode X-Ray Diffraction (XRD), khususnya material nikel, akan menghasilkan difraktogram dengan puncak Bragg yang sensitive terhadap noise instrument, bahkan tumpeng tindih puncak. Olehnya itu, dibutuhkan penghalusan sinyal yang akurat agar proses analisis data untuk mengekstraksi informasi terkait parameter kristalografi, seperti posisi, intensitas, dan lebah setengah puncak (FWHM). Dalam penelitian ini, tiga model digunakan untuk menghaluskan sinyal difraktogram XRD dari sampel nikel OREAS 199, yakni model Savitzky-Golay, Random Forest, dan XGBoost. Analisis eror dilakuakn dengan menggunakan tiga parameter, yakni Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Hasil analisis menunjukkan bahwa model Random Forest memberikan hasil yang secara numerik lebih baik, dengan nilai R² sebesar 0.9878, disusul model Savitzky-Golay dengan nilai R² sebesar 0.9526, dan model XGBoost dengan nilai R² sebesar 0.9096. Dengan demikian, machine learning memiliki kemampuan yang patut diperhitungkan sebagai alternatif dalam pra-pemrosesan data XRD.

Kata kunci

• Random Forest
• Savitzky-Golay
• X-Ray Diffraction
• XGBoost
• penghalusan sinyal