Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jiko (Jurnal Informatika dan komputer)
Syekh Syihabuddin Azmil Umri
Program Studi Teknik Informatika - Fakultas Ilmu Komputer - Universitas Singaperbangsa Karawang
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS DAN KOMPARASI ALGORITMA KLASIFIKASI DALAM INDEKS PENCEMARAN UDARA DI DKI JAKARTA Syekh Syihabuddin Azmil Umri
JIKO (Jurnal Informatika dan Komputer) Vol 4, No 2 (2021)
Publisher : Journal Of Informatics and Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v4i2.2871

Abstract

Udara mengambil peran penting dalam menjaga kehidupan makhluk hidup di bumi. DKI Jakarta merupakan salah satu kota dengan peringkat tertinggi dalam kualitas udara yang terburuk di dunia. Hal ini diakibatkan karena faktor utama selain aktivitas umum manusia yang menyumbang udara tidak baik ini berasal dari pabrik industri dan operasi pembangkit listrik berbahan bakar fosil pada daerah lintas batas administratif Jakarta. Fokus penelitian ini adalah melakukan analisis dan komparasi dari berbagai algoritme klasifikasi yakni Neural Network, Support Vector Machine, K-Nearest Neighbors, Naive Bayes, dan Decission Tree dengan menggunakan T-Test sebagai metode uji parametrik untuk menghasilkan perbandingan metode yang lebih baik dalam menentukan level Indeks Standar Pencemar Udara berdasarkan lima pencemar utama yakni arbon monoksida (CO), sulfur dioksida (SO2), nitrogen dioksida (NO2), ozon permukaan (O3), dan partikel debu (PM10) menghasilkan performa model terbaik yakni Decission Tree dengan nilai akurasi sebesar 99.80%, nilai kappa yang hampir sempurna yakni 0.996, nilai RMSE terkecil dan di bawah 0.1 yakni 0.039, serta waktu yang dibutuhkan hanya 0.8 detik. Meskipun begitu, Neural Network Backpropagation, K-Nearest Neighbors, Support Vector Machine, dan Naive Bayes juga masih dapat digunakan sebagai model klasifikasi yang baik karena mendapatkan nilai akurasi yang tinggi di atas 90% dan nilai kappa di atas 0.8 dan nilai RMSE di bawah 0.3.
Co-Authors