Claim Missing Document
Check
Articles

Found 1 Documents
Search

IMPLEMENTASI PREDIKSI KUALITAS UDARA JAKARTA MENGGUNAKAN K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE Muhammad Ridho Alfarid; Qonita Husnia Rahmah
Kohesi: Jurnal Sains dan Teknologi Vol. 4 No. 10 (2024): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v4i10.6621

Abstract

Udara adalah unsur esensial bagi kehidupan semua makhluk hidup di bumi. Kualitas udara merupakan isu penting yang perlu mendapatkan perhatian khusus karena kondisinya yang semakin memburuk, ditandai dengan peningkatan polusi udara. Dinas Kesehatan provinsi DKI Jakarta mencatat 638.291 kasus Infeksi Saluran Pernapasan Atas (ISPA) selama periode Januari hingga Juni 2023. Angka ini menunjukkan bahwa kualitas udara menjadi suatu tantangan yang harus segera diatasi karena dapat memberikan dampak buruk bagi kesehatan pernapasan dan dapat mengakibatkan kematian. Penelitian ini menggunakan data Indeks Standar Pencemaran Udara (ISPU) Provinsi DKI Jakarta yang diperoleh dari Dinas Lingkungan Hidup Provinsi DKI Jakarta periode 1 Januari 2021 hingga 31 Juli 2024 dengan lima lokasi amatan. Penelitian ini bertujuan untuk mengklasifikasikan kualitas udara di DKI Jakarta berdasarkan konsentrasi partikulat PM10, PM2.5, SO2, CO, O3, dan NO2 menggunakan pendekatan data mining berbasis algoritma K-Nearest Neighbor(KNN) dan Support Vector Machine (SVM) serta penggunaan metode Winsorization dan Box-Cox Transformation dalam penanganan outliers dan ketidaknormalan distribusi data. Analisis dilakukan dengan membandingkan metrik accuracy, precision, recall, dan F1-Score pada beberapa model yang dibangun berdasarkan algoritma dan metode yang dipilih. Hasil model terbaik dengan nilai metrik tertinggi akan dilakukan deploymentmenggunakan framework Streamlit dan diaplikasikan dalam website prediksi yang dapat digunakan oleh masyarakat luas. Website ini diberi nama “AirWise” yang dirancang untuk menampilkan hasil prediksi kondisi udara saat pengguna memasukkan data konsentrasi partikulat. Hasil prediksi ini diharapkan dapat memberikan pengetahuan dan menjadi acuan berkelanjutan bagi masyarakat dalam menentukan langkah antisipasi yang tepat saat beraktivitas di luar ruangan, sehingga mereka dapat menyesuaikan diri dengan kondisi udara di kondisi tersebut.