Garuda - Garba Rujukan Digital

Prediksi Kualitas Udara Malang Menggunakan Metode Gradient Boosting Regression Muhaimin, M. Rizal; Karina, Daffa Mirah; Krisna, Andreas Bayu
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5046

Penelitian ini bertujuan untuk mengembangkan sistem prediksi kualitas udara di Kota Malang menggunakan metode Gradient Boosting Regression. Permasalahan kualitas udara di Kota Malang menjadi perhatian serius dengan tercatatnya 47 kejadian level PM2.5 tidak sehat pada tahun 2023, mencapai konsentrasi tertinggi 101.2 µg/m³. Metode penelitian menggunakan pendekatan kuantitatif dengan fokus pada pengembangan model prediksi menggunakan data dari stasiun pemantau kualitas udara Kota Malang pada tahun 2022-2024. Preprocessing data meliputi pembersihan missing values, normalisasi menggunakan StandardScaler, dan feature engineering untuk menghasilkan fitur temporal dan statistik. Model dikembangkan menggunakan pipeline terintegrasi dengan Gradient Boosting Regressor yang dioptimalkan. Hasil penelitian menunjukkan performa model yang baik dengan nilai R² training 0.86 dan testing 0.68. Prediksi untuk periode 20-26 November 2024 mengindikasikan kualitas udara akan konsisten berada dalam kategori "Tidak Sehat" dengan nilai PM2.5 berkisar antara 69.41-76.53 µg/m³. Implementasi sistem menggunakan framework Streamlit untuk antarmuka yang interaktif. Penelitian ini memberikan kontribusi signifikan dalam upaya pengendalian pencemaran udara di Kota Malang melalui sistem prediksi yang akurat dan dapat diandalkan.

Visualisasi Data Persebaran Perokok di Indonesia menggunakan K-Means dan Tableau Karina, Daffa Mirah; Sanusi, Amadea Permana
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5263

Melalui penerapan metode K-Means, data persebaran perokok di Indonesia dapat dikelompokkan dan dianalisis secara mendalam, khususnya untuk memahami pola dan tren berdasarkan usia dan provinsi. Metode ini memungkinkan pengelompokan data berdasarkan tingkat kesamaan antar kelompok, sehingga membantu mengidentifikasi pola tersembunyi yang tidak terlihat dalam analisis. Hasil dari pengelompokan tersebut dapat divisualisasikan secara efektif menggunakan Tableau, memberikan gambaran yang lebih jelas dalam memahami persebaran perokok di berbagai wilayah. Oleh karena itu, implementasi metode K-Means yang didukung dengan visualisasi menggunakan Tableau menjadi pilihan yang tepat untuk mengeksplorasi dan menyajikan data persebaran perokok di Indonesia. Tujuan dari penelitian ini adalah untuk memberikan rekomendasi dan menganalisis pola persebaran dan karakteristik perokok di Indonesia berdasarkan usia dan provinsi menggunakan metode K-Means dengan menerapkan EDA serta peran Python dalam eksplorasi data menggunakan Google Colab terhadap visualisasi interaktif pada Tableau. Hasil clustering mengungkapkan bahwa kelompok usia muda (15-24) berada dalam klaster dengan prevalensi merokok rendah pada setiap periode. Kelompok usia 25-34, 35-44, dan 45-54 berada dalam klaster dengan prevalensi merokok tinggi. Kelompok usia yang lebih tua (55-64, 65+) mengalami pergeseran dari prevalensi merokok tinggi ke klaster dengan prevalensi merokok rendah. EDA membantu mengidentifikasi pola tren dan anomali yang signifikan, seperti analisis korelasi. Kombinasi Google Colab, Python, dan Tableau sangat efektif dalam proses analisis data. Penelitian serupa di masa depan dapat menggunakan kombinasi metode clustering lain, seperti DBSCAN atau Hierarchical Clustering, untuk memperkuat hasil analisis.

Prediksi Kualitas Udara Malang Menggunakan Metode Gradient Boosting Regression Muhaimin, M. Rizal; Karina, Daffa Mirah; Krisna, Andreas Bayu
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5046

Penelitian ini bertujuan untuk mengembangkan sistem prediksi kualitas udara di Kota Malang menggunakan metode Gradient Boosting Regression. Permasalahan kualitas udara di Kota Malang menjadi perhatian serius dengan tercatatnya 47 kejadian level PM2.5 tidak sehat pada tahun 2023, mencapai konsentrasi tertinggi 101.2 µg/m³. Metode penelitian menggunakan pendekatan kuantitatif dengan fokus pada pengembangan model prediksi menggunakan data dari stasiun pemantau kualitas udara Kota Malang pada tahun 2022-2024. Preprocessing data meliputi pembersihan missing values, normalisasi menggunakan StandardScaler, dan feature engineering untuk menghasilkan fitur temporal dan statistik. Model dikembangkan menggunakan pipeline terintegrasi dengan Gradient Boosting Regressor yang dioptimalkan. Hasil penelitian menunjukkan performa model yang baik dengan nilai R² training 0.86 dan testing 0.68. Prediksi untuk periode 20-26 November 2024 mengindikasikan kualitas udara akan konsisten berada dalam kategori "Tidak Sehat" dengan nilai PM2.5 berkisar antara 69.41-76.53 µg/m³. Implementasi sistem menggunakan framework Streamlit untuk antarmuka yang interaktif. Penelitian ini memberikan kontribusi signifikan dalam upaya pengendalian pencemaran udara di Kota Malang melalui sistem prediksi yang akurat dan dapat diandalkan.

Visualisasi Data Persebaran Perokok di Indonesia menggunakan K-Means dan Tableau Karina, Daffa Mirah; Sanusi, Amadea Permana
Digital Transformation Technology Vol. 4 No. 2 (2024): Periode September 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i2.5263

Melalui penerapan metode K-Means, data persebaran perokok di Indonesia dapat dikelompokkan dan dianalisis secara mendalam, khususnya untuk memahami pola dan tren berdasarkan usia dan provinsi. Metode ini memungkinkan pengelompokan data berdasarkan tingkat kesamaan antar kelompok, sehingga membantu mengidentifikasi pola tersembunyi yang tidak terlihat dalam analisis. Hasil dari pengelompokan tersebut dapat divisualisasikan secara efektif menggunakan Tableau, memberikan gambaran yang lebih jelas dalam memahami persebaran perokok di berbagai wilayah. Oleh karena itu, implementasi metode K-Means yang didukung dengan visualisasi menggunakan Tableau menjadi pilihan yang tepat untuk mengeksplorasi dan menyajikan data persebaran perokok di Indonesia. Tujuan dari penelitian ini adalah untuk memberikan rekomendasi dan menganalisis pola persebaran dan karakteristik perokok di Indonesia berdasarkan usia dan provinsi menggunakan metode K-Means dengan menerapkan EDA serta peran Python dalam eksplorasi data menggunakan Google Colab terhadap visualisasi interaktif pada Tableau. Hasil clustering mengungkapkan bahwa kelompok usia muda (15-24) berada dalam klaster dengan prevalensi merokok rendah pada setiap periode. Kelompok usia 25-34, 35-44, dan 45-54 berada dalam klaster dengan prevalensi merokok tinggi. Kelompok usia yang lebih tua (55-64, 65+) mengalami pergeseran dari prevalensi merokok tinggi ke klaster dengan prevalensi merokok rendah. EDA membantu mengidentifikasi pola tren dan anomali yang signifikan, seperti analisis korelasi. Kombinasi Google Colab, Python, dan Tableau sangat efektif dalam proses analisis data. Penelitian serupa di masa depan dapat menggunakan kombinasi metode clustering lain, seperti DBSCAN atau Hierarchical Clustering, untuk memperkuat hasil analisis.

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search