Perbandingan Klasifikasi Random Forest, Support Vector Machines, dan LGBM Pada Klasifikasi Kualitas Udara di Jakarta

Abstract

Udara bersih merupakan kebutuhan semua makhluk di bumi guna menunjang keberlangsungan hidup. Kualitas udara di Jakarta merupakan isu serius yang perlu mendapat perhatian serius dari pemerintah dan publik. Ada beberapa faktor utama yang menyebabkan polusi udara di Jakarta. Pertama, industri yang semakin berkembang dengan cepat di wilayah metropolitan ini berkontribusi signifikan terhadap emisi gas buang yang mencemari udara. Selain itu, pertambahan jumlah kendaraan bermotor dan mobilitas tinggi juga menyebabkan peningkatan emisi gas buang yang mencemari udara. Kegiatan pembakaran sampah yang tidak teratur dan hujan asam juga turut memperburuk kualitas udara di Jakarta. Penelitian sebelumnya menunjukkan bahwa klasifikasi kualitas udara berdasarkan data Indeks Standar Pencemaran Udara (ISPU) di DKI Jakarta dengan dataset menunjukkan hasil penelitian dari kedua algoritma yang digunakan yakni metode Support Vector Machine memiliki akurasi yang lebih baik dalam melakukan klasifikasi dibandingkan dengan K-Nearest Neighbor dengan nilai akurasi pada SVM sebesar 98% sedangkan KNN sebesar 96%.Pada penelitian  dilakukan Nugroho dan Kawan-kawan didapatkan hasil penelitian dengan dataset data Indeks Standar Pencemaran Udara (ISPU) di DKI Jakarta dengan algoritma Random Forest didapatkan hasil akurasi sebesar 90%. Sehingga sebagai bahan perbandingan serta untuk memilih model terbaik dan meningkatkan akurasi model untuk penelitian-penelitian sebelumnya maka di penelitian ini dilakukan perbandingan algoritma antara SVM, Random Forest, dan LGBM. Hasil percobaan menunjukkan bahwa tingkat akurasi model yang menggunakan random forest memiliki akurasi tertinggi sebesar 98%.

References

Adityo, N.A.F.A.W. (no date) Klasifikasi Tingkat Kualitas Udara DKI Jakarta Berdasarkan Open Government Data Menggunakan Algoritma Random Forest.

Aisyah Yuri Oktavania (2023) Data Polusi Udara di Indonesia 2015-2023, Penyebab, & Dampaknya. Available at: https://tirto.id/info-data-polusi-udara-di-indonesia-pada-2015-2023-penyebabnya-gPhD (Accessed: 2 July 2024).

Azimah, F. and Wardani, K.R.N. (2022) “Klasifikasi Deteksi Gejala Awal COVID-19 Dengan Metode Logistic Regression, Random Forest Classifier dan Support Vector Machine,” Jurnal Locus Pengabdian dan Penelitian [Preprint]. Available at: https://doi.org/10.58344/locus.v1i6.135 (Accessed: June 4, 2024).

Efendi, A. et al. (2022) “Klasifikasi Kebakaran Hutan Riau Menggunakan Random Forest dan Visualisasi Citra Sentinel-2.” Available at: https://doi.org/10.30865/klik.v4i3.1521 (Accessed: June 4, 2024).

Filemon, B., Mawardi, V.C. and Perdana, N.J. (2022) “PENGGUNAAN METODE SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI SENTIMEN E-WALLET,” Jurnal Ilmu Komputer dan Sistem Informasi [Preprint].

Irmanda, H.N. and Astriratma, R. (2020) “Klasifikasi Jenis Pantun Dengan Metode Support Vector Machines (SVM),” Jurnal Resti [Preprint]. Available at: https://doi.org/10.29207/resti.v4i5.2313 (Accessed: June 4, 2024).

Jayadi, B.V., Handhayani, T. and Lauro, M.D. (2023) “PERBANDINGAN KNN DAN SVM UNTUK KLASIFIKASI KUALITAS UDARA DI JAKARTA,” Jurnal Ilmu Komputer dan Sistem Informasi, Vol. 11 No. 2, pp. 1–7. Available at: https://doi.org/10.24912/jiksi.v11i2.26006 (Accessed: June 4, 2024).

Nugroho, A., Asror, I. and Wibowo, Y.F.A. (2022) . “Klasifikasi Tingkat Kualitas Udara DKI Jakarta Berdasarkan Open Government Data Menggunakan Algoritma Random. ,” eProceedings of Engineering [Preprint], (https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/issue/view/210). Available at: - (Accessed: June 4, 2024).

Praneswara, A.O. (2023) . “Perbandingan K-Nearest Neighbors, Support Vector Dan Random Forest Pada Prediksi Medical Cost.,” Indonesian Journal of Computer Science [Preprint]. Available at: https://doi.org/10.33022/ijcs.v12i4.3298 (Accessed: June 4, 2024).

Putra, R.E., Kalista, M. and Setianingsih, C. (2023) “Klasifikasi prediksi kualitas udara Menggunakan metode Support Vector Machine (SVM),” eProceedings of Engineering [Preprint], (https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/issue/view/218) (Accessed: June 4, 2024).

Seshagiri Rao, M.K. and Priyanka, M.K. (no date) DIABETES PREDICTION USING MACHINE LEARNING ALGORITHMS LIKE SVM, NB AND LGBM. Available at: www.anveshanaindia.com.

Wahyudiyanta, S.A. and Supriyati (2024) “Analisis Kualitas Udara Jakarta dan Prediksi Tingkat Polusi dengan Metode Mesin Pembelajaran SVM,” Seminar Nasional Sains dan Teknologi (SAINTEK) [Preprint], (https://jurnal.pelitabangsa.ac.id/index.php/SAINTEK/issue/view/215).

Widjiyati, N. (2021) “ Implementasi Algoritme Random Forest Pada Klasifikasi Dataset Credit Approval,” Jurnal Janitra Informatika dan Sistem Informasi, 1. Available at: https://doi.org/10.25008/janitra.v1i1.118 (Accessed: June 4, 2024).

Yuli Endra, R. and Saputra, G.A. (2022) “IMPLEMENTASI FUZZY INFERENCE SYSTEM (FIS) METODE TSUKAMOTO UNTUK MONITORING KUALITAS UDARA,” Jurnal Komputasi [Preprint]. Available at: https://doi.org/10.23960/komputasi.v10i1.2962 (Accessed: June 4, 2024).

Issue

Vol. 9 No. 2 (2024): JUSTINDO

License

Copyright (c) 2024 Anisa Ma'u Luthfi, Fatkhurokhman Fauzi

This work is licensed under a Creative Commons Attribution 4.0 International License.