<![CDATA[Polusi udara adalah masalah yang berdampak buruk pada kehidupan makhluk hidup dan menyebabkan banyak penyakit. Oleh karena itu, penting untuk memantau tingkat pencemaran udara di lingkungan masyarakat. Tujuan dari penelitian ini adalah untuk membandingkan kinerja dari metode K-Nearest Neighbor dan Naïve Bayes, dalam mengklasifikasikan data Indeks Kualitas Udara kota di Indonesia. Pada penelitian ini, data yang digunakan adalah data World Air Quality Index by City and Coordinates yang diperoleh dari situ Kaggle. Data ini mencakup atribut-atribut seperti country, city, AQI value, AQI category dan lain-lain. Metode penelitian yang digunakan adalah Knowledge Discovery in Database (KDD). Selanjutnya, metode K-Nearest Neighbor dan Naïve Bayes diterapkan pada tahapan data mining menggunakan K-fold cross validation dengan percobaan K-2 fold, K-3 fold, K-4 fold dan K-5 fold. Evaluasi kinerja akan dilakukan menggunakan metrik-metrik yang relevan seperti akurasi, precision, dan recall. Berdasarkan hasil klasifikasi didapatkan K-fold terbaik yaitu K-5 fold dari metode K-Nearest Neighbor menghasilkan nilai akurasi 95.13% dan Naïve Bayes menghasilkan akurasi 95.97%. Penelitian ini dapat membantu pemerintah dalam pengambilan kebijakan untuk menjaga kualitas udara, dan memberikan informasi kepada masyarakat tentang kualitas udara di lingkungannya.]]>
Copyrights © 2024
