Klasifikasi prediksi kualitas udara Menggunakan metode Support Vector Machine (SVM)
Abstract
Penelitian pada kualitas udara sangatlah penting, karena kualitas udara sangat berpengaruh terhadap kesehatan makhluk hidup. Oksigen adalah kebutuhan utama manusia untuk kelangsungan kehidupan, baik buruknya kualitas udara pasti akan sangat berpengaruh terhadap kesehatan. Sehingga kualitas udara sangat penting untuk diteliti lebih lanjut. Pada penelitian ini akan dilakukan dengan metode Support Vector Machine (SVM) untuk mengklasifikasikan kualitas udara, kemudian sebelum data di klasifikasikan akan dilakukan dahulu metode smote untuk membuat data menjadi seimbang. Setelah melakukan pengujian ditemukan kernel terbaik untuk sistem ini yaitu kernel polinomial dengan nilai GMean 0.98, Specificity 0.99, dan sensitivity 0.98 Presisi 0.98, Recall 0.98, F1-Score 0.98,serta akurasi 98%, Setelah melakukan pengujian akan mendapatkan hasil klasifikasi terbaik yang akan divisualisasikan pada web yang telah dibuat.
Kata kunci— kulitas udara, oksigen, support vector machine, klasifikasi, polinomial
References
H. L. THANONGSAK XAYASOUK, "Air pollution
prediction system using deep learning," WIT
Transactions on Ecology and the Environment, vol. 230, no., p. 9, 2018.
M. L. H. RI, "peraturan menteri lingkungan hidup dan
kehutanan," - June 2020. [Online]. Available:
https://ditppu.menlhk.go.id/portal/uploads/laporan/16
_P_14_2020_ISPU_menlhk.pdf. [Accessed
- - 2021].
J. Kim, "An Air Pollution Prediction Scheme Using
Long Short Term Memory Neural Network Model," in
E3S Web of Conferences, Shenyang, 2021.
T. F. Abidin, "Metode Klasifikasi Metode Klasifikasi (
( SVM Light dan K SVM Light dan K--NN NN ) ),"
Taufik Fuadi Abidin, Banda Aceh, 2013.
J. Government, "Indeks Kualitas Udara (AQI) Jakarta
dan Polusi Udara Indonesia," Governent, Jakarta, - -
[Online]. Available:
https://www.iqair.com/id/indonesia/jakarta. [Accessed
December 2022].
Kernel Polinomial F-1 Score
Tanpa Smote Smote
S. M. H. Syamsul Bahri, "View of MODEL WAVELET NEURAL NETWORK UNTUK PEMODELAN POLUSI UDARA DI KOTA MATARAM LOMBOK NUSA TENGGARA BARAT INDONESIA," in Prosiding Seminar
Nasional Matematika, Statistika, dan Aplikasinya , Samarinda, 2019.
L. A. Demidova, "Two.stage hybrid data classifiers
based on svm and knn algorithms," symmetry, vol. 13,
no. 4, p. 32, 2021.
S. S. T. E. A. N. L. H. Ade Silvia Handayani, "Air Quality Classification Using Support Vector Machine," Computer Engineering and Applications,
vol. 10, no. 1, p. 16, 2021.
R. N. CHORY, "ANALISIS SENTIMEN PADA
TINGKAT KEPUASAN," Telkom University, Vols., no., p. 8, 2019.
B. L. H. P. K. N V. Chawla, "SMOTE: Synthetic Minority Over-sampling Technique," Journal of Artificial Intelligence Research, vol. 16, no. -, p. 37, 2002.
N. G. Ramadhan, "Comparative Analysis of
ADASYN-SVM and SMOTE-SVM Methods on the
Detection of Type 2 Diabetes Mellitus," Scientific
Journal of Informatics, Vols. -, no. -, p. 8, 2021.
U. N.A, "Prediksi Jumlah Penumpang dan Penambahan Gerbong Kereta Api Menggunakan Metode Support Vector Regression Prediction of Total Passengers and Addition of Railway Train Using
Support Vector Regression (SVR) Method," Telkom University, Vols. -, no. -, p. 8, 2020.