Analisis Klasifikasi Kualitas Udara di Kota Bekasi Berdasarkan AQI dengan Algoritma Support Vector Machine, XGBOOST, dan Random Forest

Elizabeth Tjang, Mary (2025) Analisis Klasifikasi Kualitas Udara di Kota Bekasi Berdasarkan AQI dengan Algoritma Support Vector Machine, XGBOOST, dan Random Forest. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (809kB)
	PDF BAB_I.pdf Download (480kB)
	PDF BAB_II.pdf Download (697kB)
	PDF BAB_III.pdf Download (362kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (221kB)
	PDF DAFTAR_PUSTAKA.pdf Download (274kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (750kB)

Abstract

Kualitas udara merupakan faktor penting yang berdampak langsung terhadap kesehatan masyarakat. Di daerah perkotaan seperti Bekasi yang mengalami pertumbuhan industri dan kepadatan lalu lintas yang tinggi, risiko pencemaran udara semakin meningkat. Oleh karena itu, dibutuhkan suatu sistem klasifikasi kualitas udara yang akurat dan dapat diakses oleh masyarakat untuk mendukung pengambilan keputusan dan pencegahan risiko kesehatan lingkungan. Penelitian ini menggunakan algoritma machine learning untuk membangun model klasifikasi kualitas udara berdasarkan data historis. Tiga algoritma yang digunakan adalah Support Vector Machine, XGBoost, dan Random Forest. Dataset yang digunakan terdirfi dari parameter pencemar udara seperti PM10, SO2, CO, O3, dan NO2. Proses pelatihan dilakukan dengan teknik preprocessing, normalisasi data, pembagian data latih dan uji, serta evaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Model terbaik kemudian deploy menggunakan Streamlit untuk membuat antarmuka prediksi berbasis web. Hasil dari penelitian ini menunjukkan bahwa algoritma XGBoost memberikan performa terbaik dengan akurasi mencapai 99,8%, disusul oleh Random Forest dengan akurasi 98,77%, dan SVM sebesar 97,5%. Dengan demikian, sistem klasifikasi kualitas udara yang dibangun dapat digunakan sebagai alat bantu untuk memantau dan mengklasifikasikan kondisi udara di Bekasi secara efektif. Implementasi menggunakan Streamlit memungkinkan sistem ini dapat diakses oleh pengguna non-teknis serta membuka peluang untuk pengembangan yang lebih luas di masa mendatang.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Elizabeth Tjang, Mary (00000057284)
Contributors:	Setiawan, Johan
Keywords:	Kualitas Udara, Machine Learning, dan Klasifikasi
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 06:40
URI:	https://kc.umn.ac.id/id/eprint/40153

Actions (login required)

View Item