Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Muhammad Athallah Izma
Teknik Informatika, Universitas Esa Unggul
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PREDIKSI INDEKS KUALITAS UDARA OZON (ISPU O3) MENGGUNAKAN RANDOM FOREST DAN REGRESI VEKTOR DUKUNGAN: STUDI PERBANDINGAN PADA DATA TAHUN 2022 Syaeful Bachri Barelang; Ase Ananda Putra; Jundana Abdullah Hanif; Muhammad Rayyan Ardiano; Muhammad Athallah Izma; Vitri Tundjungsari
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i2.17228

Abstract

Penurunan kualitas udara merupakan permasalahan lingkungan yang semakin serius, khususnya di wilayah perkotaan dengan aktivitas industri dan transportasi yang tinggi. Ozon (O₃) sebagai salah satu parameter utama dalam Indeks Standar Pencemar Udara (ISPU) memiliki dampak signifikan terhadap kesehatan manusia dan lingkungan, sehingga diperlukan metode prediksi yang akurat untuk mendukung sistem peringatan dini. Permasalahan utama dalam prediksi O₃ terletak pada kompleksitas hubungan nonlinier antar polutan yang sulit dimodelkan menggunakan pendekatan konvensional. Oleh karena itu, penelitian ini bertujuan untuk memprediksi nilai ISPU O₃ serta membandingkan kinerja metode supervised learning Random Forest dan Support Vector Regression (SVR) menggunakan data kualitas udara tahun 2022. Metode penelitian meliputi tahap praproses data, pemilihan fitur PM10, SO₂, CO, dan NO₂, pelatihan model, serta evaluasi menggunakan metrik MAE, RMSE, MSE, dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model Random Forest memberikan performa terbaik dengan nilai R² sebesar 0,49, sedangkan model pembanding menghasilkan nilai R² sebesar 0,38. Temuan ini menunjukkan bahwa pendekatan supervised learning efektif untuk prediksi ISPU O₃, meskipun masih diperlukan penambahan variabel meteorologi untuk meningkatkan akurasi model.
Co-Authors Ase Ananda Putra Jundana Abdullah Hanif Muhammad Rayyan Ardiano Syaeful Bachri Barelang Vitri Tundjungsari