KLASIFIKASI KATEGORI INDEKS STANDAR PENCEMAR UDARA (ISPU) DKI JAKARTA MENGGUNAKAN MULTILAYER PERCEPTRON DAN RANDOM FOREST

Shofa, Siti Haliza Nur (2023) KLASIFIKASI KATEGORI INDEKS STANDAR PENCEMAR UDARA (ISPU) DKI JAKARTA MENGGUNAKAN MULTILAYER PERCEPTRON DAN RANDOM FOREST. Sarjana thesis, Universitas Siliwangi.

	Text 1 - Cover 167006101.pdf Download (49kB)
	Text 2 - Lembar Pengesahan 167006101.pdf Download (1MB)
	Text 3 - Pernyataan Keaslian 167006101.pdf Download (494kB)
	Text 4 - Abstrak 167006101.pdf Download (11kB)
	Text 5 - Persembahan dan Motto 167006101.pdf Download (169kB)
	Text 6 - Kata Pengantar 167006101.pdf Download (117kB)
	Text 7 - Daftar Isi 167006101.pdf Download (228kB)
	Text 8 - BAB 1 167006101.pdf Download (219kB)
	Text 9 - BAB 2 167006101.pdf Download (818kB)
	Text 10 - BAB 3 167006101.pdf Download (219kB)
	Text 11 - BAB 4 167006101.pdf Restricted to Repository staff only Download (1MB)
	Text 12 - BAB 5 167006101.pdf Restricted to Repository staff only Download (10kB)
	Text 13 - Daftar Pustaka 167006101.pdf Download (127kB)
	Text 14 - Lampiran 167006101.pdf Restricted to Repository staff only Download (3MB)

Abstract

Pertumbuhan aktivitas ekonomi dan meningkatnya pengguna kendaraan pribadi di kota Jakarta merupakan salah satu faktor penyebab penurunan kualitas udara. Akses informasi mengenai kualitas udara ambien sangat diperlukan setiap individu untuk membuat keputusan yang tepat untuk membatasi aktifitas di luar ruangan dan mengurangi paparan polusi. Kualitas udara dibagi menjadi beberapa kategori berdasarkan Indeks Standar Pencemaran Udara (ISPU) yang ditetapkan oleh Kementerian Lingkungan Hidup dan Kehutanan Republik Indonesia. Kategori ISPU menggambarkan kondisi mutu udara ambien di lokasi tertentu yang didasarkan pada dampak terhadap kesehatan manusia. Dengan kemajuan teknologi, machine learning telah dimanfaatkan dalam berbagai bidang salah satunya untuk klasifikasi dan prediksi kualitas udara. Multilayer Perceptron dan Random Forest merupakan dua algoritma supervised learning dengan pendekatan berbeda. Persamaan keduanya adalah dapat digunakan pada kasus klasifikasi dan regresi. Klasifikasi kategori ISPU pada data set ISPU di DKI Jakarta tahun 2021 dengan metode Multilayer Perceptron menghasilkan nilai accuracy 98%, precision 95%, recall 97%, dan f1-score 96%. Sedangkan metode Random Forest menghasilkan nilai kinerja yang lebih tinggi dengan accuracy 99%, precision 98%, recall 99% dan f1-score 99%. Kata Kunci: ISPU, Machine Learning, Multilayer Perceptron, Random Forest, Supervised Learning.

Actions (login required)

View Item