Implementasi Model Random Forest untuk Klasifikasi Kualitas Udara di Jakarta Periode 2019-2024
Keywords:
klasifikasi, machine learning, random forest, udaraAbstract
Peningkatan polusi udara di Jakarta menjadi isu lingkungan yang krusial karena dampaknya terhadap kesehatan masyarakat, terutama pada kelompok rentan seperti anak-anak dan lansia. Indeks Standar Pencemar Udara (ISPU) digunakan sebagai indikator kualitas udara di Indonesia, dengan kategori penilaian mulai dari “baik” hingga “berbahaya”. Untuk meningkatkan akurasi pemantauan dan prediksi kualitas udara, penelitian ini menerapkan algoritma Random Forest dalam tugas klasifikasi berdasarkan data ISPU. Metode ini dipilih karena keandalannya dalam menangani data berukuran besar dan kompleks. Evaluasi dilakukan menggunakan berbagai skenario proporsi pembagian data (70:30, 80:20, dan 90:10). Hasil menunjukkan bahwa Random Forest mampu mencapai akurasi tinggi secara konsisten, dengan nilai tertinggi sebesar 0,9217 pada skenario 80:20. Nilai precision, recall, dan F1-score juga menunjukkan stabilitas performa di semua skenario. Temuan ini membuktikan bahwa Random Forest merupakan metode yang efektif dan andal dalam klasifikasi kualitas udara, serta dapat mendukung pengambilan keputusan dalam mitigasi dampak polusi udara di wilayah perkotaan.
Kata kunci— klasifikasi, machine learning, random forest, udara
References
A. Hidayat, “Dampak Polusi Udara Pada Kesehatan Jantung,” Univ. Medan Area, no. November, pp. 1–12, 2019.
S. Rahmawati and I. N. Pratama, “Pengaruh Penggunaan Transportasi Berkelanjutan Terhadap Kualitas Udara Dan Kesejahteraan Masyarakat,” JEPTEC J. Enviromental Policy Technol., vol. 1, no. 2, pp. 90–99, 2023.
IQAir, “Air Quality Index.” Accessed: Dec. 15, 2023. [Online]. Available: https://www.iqair.com/indonesia
A. P. Marpaung, “Evaluasi Kualitas Udara dan Dampaknya Terhadap Kesehatan Pernafasan Penduduk Kota Medan,” J. Ilm. Maksitek, vol. 8, no. 2, pp. 105–111, 2023.
Y. Abdurrohman, Y. Sriharyani, M. Syaiful, and C. D. A. Sembiring, “Pengaruh Terpaan Media Sosial Terhadap Persepsi Risiko Kesehatan (Survei pada Isu Polusi Udara Jakarta),” J. Stud. Komun. dan Media, vol. 28, no. 1, pp. 89–104, 2024, doi: 10.17933/jskm.2023.5620.
M. A. Fath, “Pengaruh Kualitas Udara dan Kondisi Iklim terhadap Perekonomian Masyarakat,” Media Gizi Kesmas, vol. 10, no. 2, p. 329, 2021, doi: 10.20473/mgk.v10i2.2021.329-342.
R. Umah and E. Gusmira, “Dampak Pencemaran Udara terhadap Kesehatan Masyarakat di Perkotaan,” Profit J. Manajemen, Bisnis dan Akunt., vol. 3, no. 3, pp. 103–112, 2024, doi: 10.58192/profit.v3i3.2246.
Menhlk, “Indeks Standar Pencemar Udara.” Accessed: Dec. 15, 2023. [Online]. Available: https://ispu.menlhk.go.id/webv4/
Q. Xu, L. Ning, Y. Tianmeng, and H. Wu, “Application of Data Mining Combined with Power Data in Assessment and Prevention of Regional Atmospheric Pollution,” Elsevier, vol. 9, pp. 3397–3405, 2023, doi: 10.1016/j.egyr.2023.02.016.
A. Nugroho, I. Asror, and Y. A. Wibowo, “Klasifikasi Tingkat Kualitas Udara DKI Jakarta Berdasarkan Open Government Data Menggunakan Algoritma Random Forest,” eProceedings Eng., vol. 10, no. 2, pp. 1824–1834, 2023, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/20030%0Ahttps://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/20030/19395
R. Firdaus et al., “Implementasi Algoritma Random Forest Untuk Klasifikasi Pencemaran Udara di Wilayah Jakarta Berdasarkan Jakarta Open Data,” vol. 14, no. 2, pp. 520–525, 2021.
A. M. Luthfi and F. Fauzi, “Perbandingan Klasifikasi Random Forest , Support Vector Machines , dan LGBM Pada Klasifikasi Kualitas Udara di Jakarta Comparison of Random Forest , Support Vector Machines , and LGBM Classification for Air,” vol. 9, no. 2, pp. 99–108, 2024.
D. Natalia, “Laporan Pemantauan Kualitas Udara Tahun 2013,” 2013.
Yoga Religia, Agung Nugroho, and Wahyu Hadikristanto, “Klasifikasi Analisis Perbandingan Algoritma Optimasi pada Random Forest untuk Klasifikasi Data Bank Marketing,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 187–192, 2021, doi: 10.29207/resti.v5i1.2813.
R. I. Arumnisaa and A. W. Wijayanto, “Comparison of Ensemble Learning Method: Random Forest, Support Vector Machine, AdaBoost for Classification Human Development Index (HDI),” Sistemasi, vol. 12, no. 1, p. 206, 2023, doi: 10.32520/stmsi.v12i1.2501.
A. Syukron, S. Sardiarinto, E. Saputro, and P. Widodo, “Penerapan Metode Smote Untuk Mengatasi Ketidakseimbangan Kelas Pada Prediksi Gagal Jantung,” J. Teknol. Inf. dan Terap., vol. 10, no. 1, pp. 47–50, 2023, doi: 10.25047/jtit.v10i1.313.
D. Marutho, “Perbandingan Metode Naïve Bayes, KNN, Decision Tree Pada Laporan Water Level Jakarta,” Infokam, vol. 15, no. 2, pp. 90–97, 2019.
