KLASIFIKASI INDEX PENCEMARAN UDARA SEBELUM DAN SAAT PPKM DI DKI JAKARTA DENGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR

RIANSYAH, MUHAMMAD (2023) KLASIFIKASI INDEX PENCEMARAN UDARA SEBELUM DAN SAAT PPKM DI DKI JAKARTA DENGAN ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBOR. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.PDF Download (301kB) | Preview
Preview	Text (ABSTRAK) 02 ABSTRAK.pdf Download (147kB) | Preview
	Text (BAB I) 03 BAB I.pdf Restricted to Registered users only Download (157kB)
	Text (BAB II) 04 BAB II.pdf Restricted to Registered users only Download (229kB)
	Text (BAB III) 05 BAB III.pdf Restricted to Registered users only Download (229kB)
	Text (BAB IV) 06 BAB IV.pdf Restricted to Registered users only Download (539kB)
	Text (BAB V) 07 BAB V.pdf Restricted to Registered users only Download (92kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (176kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Air pollution is the entry of substances or other components into the air caused by human activities. So that the air quality drops to a certain level so that the air cannot fulfill its function. The impact of air pollution can cause respiratory disorders and can even result in death. The cause of the increase in air pollution is caused by the large number of vehicle users, factories, accumulated waste, power plants and others. When Covid-19 entered Indonesia, the government adopted a policy for prevention by implementing Community Activity Restrictions (PPKM) which caused a decrease in community activities, thereby affecting the level of air pollution in DKI Jakarta. DKI Jakarta Air Pollution Standard Index (ISPU) data made by the Environment Agency which is monitored through monitoring stations every day always changes in the category of air pollution. Existing data does not provide sufficient information so that the data must be processed first to obtain the desired information. One way to process ISPU data is to use data mining to compare air pollution before PPKM and during PPKM in DKI Jakarta. The results of research conducted using the K-Nearest Neighbor algorithm with an accuracy of 0.96 for the dataset before PPKM and 0.95 during PPKM were better than the Naïve Bayes algorithm with an accuracy level before PPKM of 0.88 and during PPKM of 0.83. Keywords: classification, data mining, K-Nearest Neighbor, Naïve Bayes, ISPU Pencemaran udara merupakan masuknya zat atau komponen lain ke dalam udara yang disebabkan oleh kegiatan manusia. Sehingga kualitas udara turun sampai ketingkat tertentu yang mengakibatkan udara tidak dapat memenuhi fungsinya. Dampak dari pencemaran udara dapat menyebabkan gangguan pernapasan bahkan dapat mengakibatkan kematian. Penyebab terjadinya peningkatan pencemaran udara disebabkan oleh banyaknya pengguna kendaraan, pabrik, sampah yang menumpuk, pembangkit listrik dan lain – lain. Saat Covid-19 masuk ke Indonesia pemerintah mengambil kebijakan untuk penanggulangan dengan cara melakukan Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) yang menyebabkan menurunnya kegiatan masyarakat sehingga mempengaruhi tingkat pencemaran udara di DKI Jakarta. Data Indeks Standar Pencemaran Udara (ISPU) DKI Jakarta yang dibuat oleh Dinas Lingkungan Hidup yang dipantau melalui stasiun pemantau setiap harinya selalu mengalami perubahan kategori pencemaran udara. Data yang ada belum memberikan informasi yang memadai sehingga data tersebut harus diolah terlebih dahulu untuk mendapatkan informasi yang diinginkan, salah satu cara untuk mengolah data ISPU adalah dengan menggunakan data mining untuk membandingkan pencemaran udara sebelum PPKM dan saat PPKM di DKI Jakarta. Hasil penelitian yang dilakukan dengan algoritma K-Nearest Neighbor dengan accuracy 0.96 untuk dataset sebelum PPKM dan 0.95 saat PPKM berlangsung lebih baik dari pada algoritma Naïve Bayes dengan tingkat accuracy sebelum PPKM sebesar 0.88 dan saat PPKM sebesar 0.83. Kata Kunci : klasifikasi, data mining, K-Nearest Neighbor, Naïve Bayes, ISPU

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 23 001
Call Number:	SIK/15/23/010
NIM/NIDN Creators:	41518010053
Uncontrolled Keywords:	klasifikasi, data mining, K-Nearest Neighbor, Naïve Bayes, ISPU
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.3 Bibliographic Analysis and Control/Bibliografi Analisis dan Kontrol Perpustakaan > 025.34 Cataloging, Classification, Indexing of Special Materials/Pengatalogan, Klasifikasi, Pengindeksan Bahan Tertentu 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.4 Subject Analysis and Control/Subjek Analisis dan Kontrol Perpustakaan > 025.43 General Classification Systems/Sistem Klasifikasi Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 020 Library and Information Sciences/Perpustakaan dan Ilmu Informasi > 025 Operations, Archives, Information Centers/Operasional Perpustakaan, Arsip dan Pusat Informasi, Pelayanan dan Pengelolaan Perpustakaan > 025.4 Subject Analysis and Control/Subjek Analisis dan Kontrol Perpustakaan > 025.46 Classification of Specific Subject/Klasifikasi Khusus 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	ADELINA HASNA SETIAWATI
Date Deposited:	02 Mar 2023 08:41
Last Modified:	02 Mar 2023 09:00
URI:	http://repository.mercubuana.ac.id/id/eprint/74562

Actions (login required)

View Item