PENUNJANG KEPUTUSAN WFH & WFO PLAN SCHEDULE BERDASARKAN HASIL PREDIKSI KUALITAS UDARA & POLUSI DKI JAKARTA DENGAN METODE NAIVE BAYES

NURSIH, NURSIH (2024) PENUNJANG KEPUTUSAN WFH & WFO PLAN SCHEDULE BERDASARKAN HASIL PREDIKSI KUALITAS UDARA & POLUSI DKI JAKARTA DENGAN METODE NAIVE BAYES. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (466kB) | Preview
	Text (BAB I) 02 Bab 1.pdf Restricted to Registered users only Download (192kB)
	Text (BAB II) 03 Bab 2.pdf Restricted to Registered users only Download (238kB)
	Text (BAB III) 04 Bab 3.pdf Restricted to Registered users only Download (91kB)
	Text (BAB IV) 05 Bab 4.pdf Restricted to Registered users only Download (454kB)
	Text (BAB V) 06 Bab 5.pdf Restricted to Registered users only Download (52kB)
	Text (DAFTAR PUSTAKA) 07 Daftar Pustaka.pdf Restricted to Registered users only Download (186kB)
	Text (LAMPIRAN) 08 Lampiran.pdf Restricted to Registered users only Download (203kB)

Abstract

Air pollution is a pressing issue worldwide that threatens the quality of the air we breathe every day. With various sources of pollutants and their negative impacts, it is crucial for us to understand the root causes of this problem, recognize concrete examples we face, and identify the characteristics that indicate air pollution. Especially during the dry season, air quality in the DKI Jakarta area deteriorates, even causing air pollution that leads to the emergence of respiratory diseases. Poor air quality can be caused by several factors, both natural and human activities. There are nitrogen dioxide (NO2), carbon monoxide (CO), sulfur dioxide (SO2), ozone (O3), and particulate matter (PM10) that are parameters of air pollutants that can have negative impacts on the environment, including animals, plants, and humans, as they can cause respiratory diseases in humans. This study aims to classify air quality based on the Air Pollution Standard Index as a decision support for working from the office (WFO) or working from home (WFH), and using data mining methods with the Naive Bayes algorithm. In this application, there is a feature of processing the dataset into training data to make the dataset accurate as a determinant variable in the Naive Bayes classification process. The results of this application can provide a classification of the impact of air pollution according to past data. The testing process produces an accuracy of air pollution classification of 93%. Polusi udara merupakan permasalahan yang mendesak di seluruh dunia yangmengancam kualitas udara yang kita hirup setiap hari. Dengan adanya berbagai sumber polutan dan dampak negatif yang ditimbulkannya, sangatlah penting bagi kita untuk memahami akar penyebab masalah ini, mengenali contoh konkret yang kita hadapi, dan memahami ciri-ciri yang mengidentifikasikan adanya polusi udara.Terutama pada musim kemarau, kualitas udara di area DKI Jakarta menurun, bahkan menyebabkan polusi udara yang berdampak pada munculnya penyakit ISPA. Buruknya kualitas udara ini dapat disebabkan oleh beberapa faktor, baik darialam maupun aktivitas manusia. Terdapat kandungan gas nitrogen dioksida (NO2),gas Karbon Monoksida (CO), gas Sulfur Dioksida (SO2), ozon (O3), dan partikel debu (PM10) yang merupakan parameter bahan pencemar udara yang dapat memberikan dampak negatif pada lingkungan, termasuk hewan, tumbuhan, dan manusia karena dapat menyebabkan penyakit saluran pernafasan pada manusia. Penelitian ini bertujuan untuk mengklasifikasikan kualitas udara berdasarkan Indeks Standar Pencemar Udara sebagai penunjang keputusan bekerja dari kantor (WFO) atau bekerja dari rumah (WFH), serta menggunakan metode data mining dengan algoritma Naive Bayes. Pada aplikasi ini, terdapat fitur pengolahan datasetmenjadi data training untuk menjadikan dataset tersebut akurat sebagai variabel penentu dalam proses klasifikasi Naive Bayes. Hasil dari aplikasi ini dapat memberikan hasil klasifikasi pengaruh pencemaran udara sesuai dengan data masalalu. Proses pengujian menghasilkan akurasi klasifikasi pengaruh pencemaranudara sebesar 93%.

Actions (login required)

View Item