Klasifikasi Kualitas Udara menggunakan Adaptive KNN dan Weighted KNN dengan Penggunaan SMOTE-Tomek Links dan Pendekatan Bagging

Authors

  • Farrel Rassya Telkom University
  • Meta Kallista Telkom University
  • Ig. Prasetya D. Wibawa Telkom University

Abstract

Standar Indeks Pencemaran Udara adalah
angka yang menggambarkan kondisi kualitas udara pada suatu
lokasi dan waktu tertentu di suatu wilayah. Parameter indeks
pencemaran udara meliputi partikel (PM10), karbon
monoksida (CO), sulfur dioksida (SO2), nitrogen dioksida
(NO2) dan ozon (O3). Berdasarkan permasalahan yang
dihadapi maka dilakukan penelitian untuk mengklasifikasikan
kualitas udara untuk memahami tingkat kualitas udara.
Klasifikasi kualitas udara menggunakan KNN adaptif dan
KNN tertimbang dengan menggunakan metode SMOTETomek link and bagging yang menggunakan penerapan teknik
SMOTE-Tomek link untuk menangani masalah
ketidakseimbangan berdasarkan kelas pada data. Selain itu,
metode Bagging juga diterapkan untuk mengoptimalkan
performa model secara keseluruhan. Dalam penelitian ini, kami
membandingkan hasil pembelajaran mesin KNN adaptif dan
KNN tertimbang dengan Bagging. KNN adaptif mencapai nilai
presisi 85%, presisi 85%, recall 83%, dan skor F1 83%,
sedangkan KNN tertimbang dan mengantongi mencapai presisi
95%, presisi 96%, recall rate 92%, dan skor F1 sebesar 93%,
dan nilai rata-rata G sebesar 0,97, stratified K-fold 0,97, dan
cross-validation 0,84

Kata kunci— Air Classification, Adaptive KNN, Weighted
KNN.

References

Kurniawan, A. (2018). Pengukuran parameter kualitas udara (CO, NO2, SO2, O3 dan PM10) di Bukit Kototabang berbasis ISPU. Jurnal Teknosains, 7(1), 1-13. [2] Mukono, H. J. (2011). Aspek kesehatan pencemaran udara. Airlangga University Press. [3] M. L. H. RI, "peraturan menteri lingkungan hidup dan kehutanan," - June 2020. [Online]. Available: -ditppu.menlhk.go.id/portal/uploads/laporan/16 01040067_P_14_2020_ISPU_menlhk.pdf. [4] Amalia, A., Zaidiah, A., & Isnainiyah, I. N. (2022). Prediksi Kualitas Udara Menggunakan Algoritma K-Nearest Neighbor. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 7(2), 496-507. [5] Indonesia, P. R. (1999). Peraturan Pemerintah No. 41 Tahun 1999 Tentang: Pengendalian Pencemaran Udara. Lembaran Negara RI Tahun, 86. [6] J. Government, "Indeks Kualitas Udara (AQI) Jakarta dan Polusi Udara Indonesia," Government, Jakarta, - - 2021. [Online]. Available: -www.iqair.com/id/indonesia/jakarta. [Accessed 18 December 2022]. [7] Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who9s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business horizons, 62(1), 15-25. [8] Geron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. " O'Reilly Media, Inc." [9] Mohri, M., Rostamizadeh, A., & Talwalkar, A. (2018). Foundations of machine learning. MIT press. [10] L. A. Demidova, "Two-stage hybrid data classifiers based on svm and knn algorithms," symmetry, vol. 13, no. 4, p. 32, 2021. [11] Mahmood, A. M. (2015). Class imbalance learning in data mining - A survey. International Journal of Communication Technology for Social Networking Services, 3(2). [12] Townsend, J. T. (1971). Theoretical analysis of an alphabetic confusion matrix. Perception & Psychophysics, 9, 40-50. [13] Guo, G., Wang, H., Bell, D., Bi, Y., & Greer, K. (2003). KNN model-based approach in classification. In On The Move to Meaningful Internet Systems 2003: CoopIS, DOA, and ODBASE: OTM Confederated International Conferences, CoopIS, DOA, and ODBASE 2003, Catania,

Published

2024-07-09

Issue

Section

Program Studi S1 Teknik Komputer