Perbandingan metode k-nearest neighbor dan support vector machine untuk klasifikasi kualitas udara di DKI Jakarta

Jayadi, Bryan Valentino (2023) Perbandingan metode k-nearest neighbor dan support vector machine untuk klasifikasi kualitas udara di DKI Jakarta. Skripsi thesis, Universitas Tarumanagara.

	Text 535190019_BRYAN_Cover.pdf Download (90kB)
	Text 535190019_BRYAN_Pengesahan.pdf Download (197kB)
	Text 535190019_BRYAN_Daftar Isi.pdf Download (206kB)
	Text 535190019_BRYAN_Bab 1.pdf Restricted to Repository staff only Download (219kB)
	Text 535190019_BRYAN_Bab 2.pdf Restricted to Repository staff only Download (515kB)
	Text 535190019_BRYAN_Bab 3.pdf Restricted to Repository staff only Download (291kB)
	Text 535190019_BRYAN_Bab 4.pdf Restricted to Repository staff only Download (791kB)
	Text 535190019_BRYAN_Bab 5.pdf Restricted to Repository staff only Download (192kB)
	Text 535190019_BRYAN_Daftar Pustaka.pdf Download (202kB)

Abstract

Pertumbuhan dan perkembangan ekonomi pada kota adalah suatu faktor yang menyebabkan terjadinya pencemaran udara sebab kualitas udara telah tercampur oleh percampuran komponen kimia seperti gas buang kendaraan bermotor dan limbah asap pabrik. Data mining adalah metode yang dapat mengemukakan informasi mengenai pencemaran udara di Kota Jakarta. Metode data mining yang dilakukan adalah klasifikasi untuk dapat mengolah data parameter indeks standar pencemaran udara (ISPU) menjadi informasi yang dapat memperlihatkan tingkat kualitas udara perharinya melalui penggunaan algoritma K-Nearest Neighbor dan Support Vector Machine. Hasil dari penggunaan data mining dalam mengklasifikasi kualitas udara di Kota Jakarta dimana algoritma Support Vector Machine memiliki performa akurasi yang lebih baik daripada algoritma K-Nearest Neighbor. Pada algoritma Support Vector Machine menggunakan jenis kernel RBF dan parameter kernel 100 mendapatkan nilai akurasi sebesar 98%, precission sebesar 97%, recall sebesar 97%, dan F1-Score sebesar 97% sedangkan pada algoritma K�Nearest Neighbor menggunakan jumlah K sebanyak 6 mendapatkan nilai akurasi sebesar 96%, precission sebesar 96%, recall sebesar 93%, dan F1-Score sebesar 94%. Kata kunci: ISPU; Klasifikasi; K-Nearest Neighbor; Support Vector Machine

Item Type:	Thesis (Skripsi)
Subjects:	Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi
Divisions:	Fakultas Teknologi Informasi > Teknik Informatika
Depositing User:	TDI Family perpus
Date Deposited:	18 Sep 2023 04:13
Last Modified:	18 Sep 2023 04:13
URI:	http://repository.untar.ac.id/id/eprint/41823

Actions (login required)

View Item