Abstrak – Biomassa merupakan salah satu energi terbarukan yang sangat mudah ditemui, ramah lingkungan dan cukup ekonomis. Keberadaan biomassa dapat dimaanfaatkan sebagai pengganti bahan bakar fosil, baik itu minyak bumi, gas alam maupun batu bara. Analisi diperlukan sebagai dasar biomassa sebagai energi seperti proksimat dan kalor. Analisis terpenting untuk menilai biomassa sebagai bahan bakar adalah nilai kalori atau higher heating value (HHV). HHV secara eksperimen diukur menggunakan bomb calorimeter, namun pengukuran ini kurang efektif, karena memerlukan waktu serta biaya yang tinggi. Penelitian mengenai prediksi HHV berdasarkan analisis proksimat telah dilakukan sehingga dapat mempermudah dan menghemat biaya yang diperlukan peneliti. Dalam makalah ini dibahas evaluasi persamaan untuk memprediksi HHV berdasarkan analisis proksimat pada biomassa berdasarkan data dari penelitian sebelumnya. Prediksi nilai HHV menggunakan lima persamaan yang dievaluasi dengan 25 data proksimat biomassa dari penelitian sebelumnya, kemudian dibandingkan berdasarkan nilai error untuk mendapatkan prediksi terbaik. Hasil analisis menunjukan, persamaan A terbaik di 7 biomassa, B di 6 biomassa, C di 6 biomassa, D di 5 biomassa dan E di 1 biomassa.Kata kunci: bahan bakar, biomassa, higher heating value, nilai error, proksimat Abstract – Biomass is a renewable energy that is very easy to find, environmentally friendly, and quite economical. The existence of biomass can be used as a substitute for fossil fuels, both oil, natural gas, and coal. Analyzes are needed as a basis for biomass as energy such as proximate and heat. The most critical analysis to assess biomass as fuel is the calorific value or higher heating value (HHV). HHV is experimentally measured using a bomb calorimeter, but this measurement is less effective because it requires time and high costs. Research on the prediction of HHV based on proximate analysis has been carried out so that it can simplify and save costs needed by researchers. In this paper, the evaluation of equations is discussed to predict HHV based on proximate analysis on biomass-based on data from previous studies. HHV prediction values using five equations were evaluated with 25 proximate biomass data from previous studies, then compared based on error value to get the best predictions. The analysis shows that Equation A predicts best in 7 biomass, B in 6 biomass, C in 6 biomass, D in 5 biomass, and E in 1 biomass. Key words: fuel, biomass, higher heating value, error value, proximate
PredPRBA: Prediction of Protein-RNA Binding Affinity Using Gradient Boosted Regression Trees
