NALISIS PERBANDINGAN KLASIFIKASI KUALITAS UDARA DI JAKARTA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN RANDOM FOREST CLASSIFIER.

Wiriastama, Nicholas (2025) NALISIS PERBANDINGAN KLASIFIKASI KUALITAS UDARA DI JAKARTA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DAN RANDOM FOREST CLASSIFIER. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (2MB)
	Text BAB I.pdf Download (382kB)
	Text BAB II.pdf Download (649kB)
	Text BAB III.pdf Download (856kB)
	Text BAB IV.pdf Download (2MB)
	Text BAB V.pdf Download (308kB)
	Text LAMPIRAN.pdf Download (640kB)

Abstract

Kualitas udara merupakan faktor krusial dalam menjaga kesehatan masyarakat,
terutama di kota besar seperti Jakarta, yang menghadapi tantangan serius akibat
tingginya aktivitas manusia dan polusi. Penurunan kualitas udara di Jakarta
sebagian besar bersumber dari aktivitas masyarakat, yang berpotensi menimbulkan
dampak serius terhadap kesehatan, termasuk penyakit pernapasan yang dapat
berujung pada kematian. Oleh karena itu, diperlukan upaya analisis kualitas udara
secara sistematis. Penelitian ini bertujuan untuk mengklasifikasikan kategori
kualitas udara di Jakarta serta membandingkan kinerja kedua algoritma yakni KNearest

Neighbor (KNN) dan Random Forest. Dataset yang digunakan berupa
Indeks Standar Pencemar Udara (ISPU) tahun 2022–2023 dengan enam parameter
utama: PM10, PM2.5, SO₂, CO, O₃, dan NO₂ yang dikumpulkan dari stasiun
pemantauan di Jakarta. Implementasi dilakukan menggunakan Google Colab
dengan evaluasi model berdasarkan metrik akurasi, precision, recall, dan F1-score,
serta optimasi menggunakan K-Fold Cross Validation dan GridSearch. Hasil
penelitian menunjukkan bahwa model Random Forest memiliki akurasi lebih
tinggi, yaitu 99%. Sementara itu, KNN memperoleh akurasi sebesar 96%

Item Type:	Thesis (Bachelor)
Subjects:	L Education > L Education (General) R Medicine > R Medicine (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Yulia Zahra Yamini
Date Deposited:	18 Jul 2025 04:12
Last Modified:	18 Jul 2025 04:12
URI:	https://repository.unas.ac.id/id/eprint/13809

Actions (login required)

View Item