Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Kannajmi, Ahmad Rafi
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENENTUAN MODEL ALGORITMA KLASIFIKASI TERBAIK UNTUK KLASIFIKASI KUALITAS UDARA DI JAKARTA 2023 Kannajmi, Ahmad Rafi; Saputra, Dicky
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5664

Abstract

Pesatnya urbanisasi dan kemajuan sektor manufaktur telah mengakibatkan banyaknya pencemaran terhadap lingkungan, terutama pencemaran udara. Jakarta adalah kota dengan penduduk terpadat di Indonesia. Hal-hal seperti transportasi, pembakaran hutan untuk wilayah industri, serta pabrik-pabrik yang aktif setiap hari, serta ditambah bencana alam seperti kemarau, menjadikan kualitas udara di Jakarta memburuk setiap harinya. Dampak yang ditimbulkan berpotensi merugikan kondisi kesehatan penduduk. Mengingat banyaknya penduduk di Jakarta, maka diperlukan perhatian tinggi terhadap hal ini. Dengan demikian, sangat mendesak untuk mengembangkan pendekatan yang mampu mengategorikan tingkat polusi udara, sehingga masyarakat dan otoritas terkait dapat memperoleh informasi akurat tentang kondisi lingkungan mereka. Dalam riset ini, data kualitas udara atau Indeks Standar Pencemar Udara (ISPU) dikumpulkan melalui berbagai pos Sistem Pemantauan Kualitas Udara (SPKU) di Jakarta. Data tersebut kemudian diolah dan digunakan untuk melatih beberapa model algoritma klasifikasi, seperti Naïve Bayes, Random Forest, Neural Network, K-Nearest Neighbors (KNN), Decision Tree and Support Vector Machine (SVM). Performa model-model tersebut akan dievaluasi berdasarkan akurasi, recall, F1-score, dan presisi. Hasil riset memperlihatkan model Random Forest memiliki performa terbaik di antara model lainnya dengan akurasi 95,3%, recall 95,3%, F1-score 95,1%, dan presisi 95,2%. Dapat dikatakan model ini bekerja dengan baik dalam mengklasifikasikan kualitas udara.
PENENTUAN MODEL ALGORITMA KLASIFIKASI TERBAIK UNTUK KLASIFIKASI KUALITAS UDARA DI JAKARTA 2023 Kannajmi, Ahmad Rafi; Saputra, Dicky
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5664

Abstract

Pesatnya urbanisasi dan kemajuan sektor manufaktur telah mengakibatkan banyaknya pencemaran terhadap lingkungan, terutama pencemaran udara. Jakarta adalah kota dengan penduduk terpadat di Indonesia. Hal-hal seperti transportasi, pembakaran hutan untuk wilayah industri, serta pabrik-pabrik yang aktif setiap hari, serta ditambah bencana alam seperti kemarau, menjadikan kualitas udara di Jakarta memburuk setiap harinya. Dampak yang ditimbulkan berpotensi merugikan kondisi kesehatan penduduk. Mengingat banyaknya penduduk di Jakarta, maka diperlukan perhatian tinggi terhadap hal ini. Dengan demikian, sangat mendesak untuk mengembangkan pendekatan yang mampu mengategorikan tingkat polusi udara, sehingga masyarakat dan otoritas terkait dapat memperoleh informasi akurat tentang kondisi lingkungan mereka. Dalam riset ini, data kualitas udara atau Indeks Standar Pencemar Udara (ISPU) dikumpulkan melalui berbagai pos Sistem Pemantauan Kualitas Udara (SPKU) di Jakarta. Data tersebut kemudian diolah dan digunakan untuk melatih beberapa model algoritma klasifikasi, seperti Naïve Bayes, Random Forest, Neural Network, K-Nearest Neighbors (KNN), Decision Tree and Support Vector Machine (SVM). Performa model-model tersebut akan dievaluasi berdasarkan akurasi, recall, F1-score, dan presisi. Hasil riset memperlihatkan model Random Forest memiliki performa terbaik di antara model lainnya dengan akurasi 95,3%, recall 95,3%, F1-score 95,1%, dan presisi 95,2%. Dapat dikatakan model ini bekerja dengan baik dalam mengklasifikasikan kualitas udara.
Co-Authors Saputra, Dicky