Klasifikasi Tingkat Kualitas Udara DKI Jakarta Berdasarkan Open Government Data Menggunakan Algoritma Random Forest

Authors

  • Adityo Nugroho Telkom University
  • Ibnu Asror Telkom University
  • Yanuar Firdaus Arie Wibowo Telkom University

Abstract

Abstrak-Kualitas udara pada kota yang memiliki padat penduduk tinggi dengan banyaknya pabrik industri serta padatnya jalan raya oleh kendaraan seperti DKI Jakarta harus diperhatikan kondisinya. Terdapat banyak data yang muncul mengenai kualitas udara di DKI Jakarta yang selalu menurun disebabkan oleh pencemaran udara. Data yang di dapatkan berasal dari website Jakarta Open Data yang menampilkan Indeks Standar Penecamaran Udara (ISPU) pada setiap harinya. Metode yang digunakan yaitu data mining klasifikasi, karena metode tersebut dapat digunakan untuk mengetahui informasi mengenai pencemaran udara berdasarkan pengolahan data parameter yang ada pada ISPU. Klasifikasi yang dilakukan yaitu menggunakan algoritma random forest. Membuat sebuah model uji pada klasifikasi menggunakan random forest bertujuan untuk mencari hasil terbaik. Hasil dari klasifikasi berdasarkan data Indeks Pencemaran Udara di DKI Jakarta memiliki performa terbaik yang menghasilkan akurasi tertinggi yaitu 90%. Pada kategori Sedang memiliki nilai precision 90,9%, recall 89,28% f1-score 90,09%, dan categori Tidak Sehat memiliki nilai precision 89,09%, recall 90,74%, dan f1-score 89,9%.

Kata kunci- kualitas udara, klasifikasi, random forest

References

. K. Prabowo and B. Muslim, Penyehat Udara, Pertama. Jakarta Selatan: Pusat Pendidikan Sumber Daya Manusia Kesehatan, 2018.

. Kementrian Lingkungan Hidup dan Kehutanan DITJEN Pengedalian Pencemaran Dan Kerusakan Lingkungan DIREKTORAT Pengendalian Pencemaran Udara “INDEKS STANDAR PENCEMARAN UDARA (ISPU) SEBAGAI INFORMASI MUTU UDARA AMBIEN DI INDONESIA”, 2020 [online].

. IQAir “Kualitas udara di Indonesia”, 2021 [online].

Avaliable:

https://www.iqair.com/id/indonesia

. Suci Cahaya H.N., Fibri Rakhmawati, Riri Syafitri Lubis, “KLASIFIKASI TINGKAT PENCEMARAN UDARA PADA SEKTOR INDUSTRI DENGAN METODE RANDOM FOREST”

. Undang-Undang Pokok Pengolahan Lingkungan Hidup No.4 Tahun 1982.

. A. Budiyono, “Pencemaran Udara : Dampak Pencemaran Udara Pada Lingkungan,” Dirgantara, vol. 2,no. 1, pp. 21–27, 2010.

. Osman, Abdullahi Sidow. "Data mining techniques." (2019).

. Kusrini, Emha Taufiq Lutfi “Algoritma Data Mining”, CV ANDI OFFSET, Yogyakarta.

. Vallero, D. (2014), Fundamentals of Air Pollution - Fifth Edition, Cambridge: Elsevier Academic Pres.

. Keputusan Menteri Negara Lingkungan Hidup Nomor: KEP 45 / MENLH / 1997.

. J. Han, M. Kamber, and J. Pei, Data Mining Concepts and Techniques, vol. 84. 2013.

. J. Han, Data mining: Data mining concepts and techniques. 2014.

. Irkham Widhi Saputro, Bety Wulan Sari, “Uji Performa Algoritma Naive Bayes untuk Prediksi Masa Studi Mahasiswa”, Citec Journal, Vol. 6, No. 1 ISSN: 2460-4259, Universitas AMIKOM Yogyakarta, 2019.

. Sang, A. I., Sutoyo, E., & Darmawan, I. (2021). Analisis Data Mining Untuk Klasifikasi Data Kualitas Udara Dki Jakarta Menggunakan Algoritma Decision Tree Dan Support Vector Machine. eProceedings of Engineering, 8(5)

. Kirono, A. A. H., Asror, I., & Wibowo, Y. F. A. (2022). Klasifikasi Tingkat Kualitas Udara Dki Jakara Dengan Algoritma Naive Bayes. eProceedings of Engineering, 9(3).

. Siburian, Vanissa Wanika, and Ika Elvina Mulyana. "Prediksi Harga Ponsel Menggunakan Metode Random Forest." Annual Research Seminar (ARS). Vol. 4. No. 1. 2019.

. Schouten, Kim, Flavius Frasincar, and Rommert Dekker. "An information gain-driven feature study for aspect-based sentiment analysis." International Conference on Applications of Natural Language to Information Systems. Springer, Cham, 2016.

. Azhar, Yufis, Galang Aji Mahesa, and Moch Chamdani Mustaqim. "Prediksi pembatalan pemesanan hotel menggunakan optimalisasi hiperparameter pada algoritme Random Forest." Jurnal Teknologi dan Sistem Komputer 9.1 (2021)

. Pal, Mahesh. "Random forest classifier for remote sensing classification." International journal of remote sensing 26.1 (2005): 217-222.

Downloads

Published

2023-05-08

Issue

Section

Program Studi S1 Informatika