PERBANDINGAN KNN DAN SVM UNTUK KLASIFIKASI KUALITAS UDARA DI JAKARTA
Article Sidebar
Main Article Content
Abstract
The growth and economic development of a city is one of the factors causing air pollution because air quality has been mixed with various components of chemical compounds such as motor vehicle exhaust gases and factory smoke waste. Data mining is a method to find out information about air pollution in the city of Jakarta. The data mining method used is classification because this method can process air pollution standard index (AQI) parameter data into information that can show the level of air quality per day using the K-Nearest Neighbor algorithm and Support Vector Machine.
The result of the application of data mining for air quality classification in Jakarta is that the Support Vector Machine algorithm has better accuracy performance compared to the K-Nearest Neighbor algorithm. The Support Vector Machine algorithm uses the RBF kernel and 100 kernel parameter gets an accuracy value of 98%, precission of 97%, recall of 97%, and F1-Score of 97% while the K-Nearest Neighbor algorithm uses the number of K as much as 6 gets an accuracy value of 96%, precission of 96%, recall of 93%, and F1-Score of 94%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
References
Arief, Abdullah. 2014, Klasifikasi Kualitas Udara Pekanbaru Menggunakan Algoritma K-NN Dengan Euclidean Distance berdasarkan Kategori Indeks Standar Pencemaran Udara (Ispu), https://repository.uin-suska.ac.id/3462/, Tanggal akses 5 April 2023.
M. Ja’far, Sodiq,. 2020, Perbandingan Metode Naive Bayes Dan K-Nearest Neighbor Pada Klasifikasi Kualitas Udara Di Dki Jakarta, http://eprints.uty.ac.id/4903/, Tanggal akses 16 Februari 2023.
Sang, Adinda Inez., Sutoyo, Edi., dan Darmawan, Irfan., 2021, “Analisis Data Mining Untuk Klasifikasi Data Kualitas Udara DKI Jakarta Menggunakan Algoritma Decision Tree Dan Support Vector Machine”, eProceedings of Engineering, vol. 8, no. 5.
Permana, Zulfia Sari. 2021, Perbandingan Akurasi Algotima Klasifikasi Decision Tree dan K-Nearest Neighbor Pada Data Indeks Standar Pencemaran Udara (ISPU), http://repositori.unsil.ac.id/4179/, Tanggal akses 17 Februari 2023.
Yuliska dan Syaliman, Khairul Umam. 2020, “Peningkatan Akurasi K-Nearest Neighbor Pada Data Index Standar Pencemaran Udara Kota Pekanbaru”, IT Journal Research and Development (ITJRD) vol. 5, no. 1.
Adinugroho, Sigit dan Sari, Yuita Arum. 2018, “Implementasi Data Mining Menggunakan WEKA”, Edisi 1, UB Press.
Written, Ian H., Frank, Eibe dan Hall, Mark A. 2011, “Practical Machine Learning Tools And Techniques”, Ed. 3, Morgan Kaufmann Publishers.
Yudha, Bayu Laksana., Muflikhah, Lailil., dan Wihandika, Randy. 2018, “Klasifikasi Risiko Hipertensi Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NWKNN)”, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 2.
Rindri, Yang Agita dan Fitriyani, Agus. 2023, “Analisis Perbandingan Kinerja Algoritma Multilayer Perceptron dan K-Nearest Neighbor pada Klasifikasi Tipe Migrain”, Jurnal Teknologi dan Informasi (JATI) vol. 13, no. 1.
Purwanto, Devi dan Honggara, Eric. 2022, “Klasifikasi Kategori Hasil Perhitungan Indeks Standar Pencemaran Udara dengan Gausian Naïve Bayes (Studi Kasus: ISPU DKI Jakarta 2020),” INSYST: Journal of Intelligent System and Computation, vol. 4, no. 2.
Ridho, Ihda Innar dan Mahalisa, Galih. 2023, “Analisis Klasifikasi Dataset Indeks Standar Pencemaran Udara (ISPU) Di Masa Pandemi Menggunakan Algoritma Support Vector Machine (SVM),” Technologia Jurnal Ilmiah, vol. 14, no. 1.
Liantoni, Febri. 2015, "Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor", Ultimatics: Jurnal Teknik Informatika, vol. 7, no. 2.
Wijaya, Chandra., Irsyad, dan Widhiarso, 2020, “Klasifikasi Pneumonia Menggunakan Metode K-Nearest Neighbor dengan Ekstraksi GLCM”, Jurnal Algoritme, vol. 1, no. 1.
Umam Syaliman, Khairul., Yuliska, dan Nina Fadilah Najwa, 2022, “Seleksi Fitur Menggunakan Pendekatan K-Nearest Neighbor (K-NN)”, Jurnal Sistem Informasi dan Teknologi Jaringan (SISFOTEKJAR), vol. 3, no. 1.
Amalia, Adinda., Zaidiah, Ati., dan Isnainiyah, Ika Nurlaili. 2022, “Prediksi Kualitas Udara Menggunakan Algoritma K-Nearest Neighbor”, Jurnal Ilmiah Penelitian dan Pembelajaran Informatika (JIPI) vol. 7, no. 2.
Filemon, Bryan., Mawardi, dan Perdana, Jaya. 2022, “Penggunaan Metode Support Vector Machine Untuk Klasifikasi Sentimen E-Wallet”, Jurnal Ilmu Komputer dan Sistem Informasi, vol. 10, no. 1.
Rahman, Oryza Habibie., Abdillah, Gunawan., dan Komarudin, Agus. 2021, “Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine”, Jurnal Resti (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1.
Qosim, Ahmad. 2021, “Perbandingan Metode Klasifikasi Support Vector Machine (SVM) dan Naïve Bayes Classifier (NBC) Untuk Menentukan Kualitas Udara”, Fakultas Sains dan Teknologi, Universitas Islam Negeri Maulana Malik Ibrahim.
Chaniag, Zahara, dan Ramadhani, 2020, “Indeks Standar Pencemar Udara (ISPU) Sebagai Informasi Mutu Udara Ambien di Indonesia”, Kementerian Lingkungan Hidup dan Kehutanan (KLHK), Tanggal akses 15 April 2023.
Setiawan, Supriyadin, Santoso, dan Buana, 2018, “Menghitung Rute Terpendek Menggunakan Algoritma A* Dengan Fungsi Euclidean Distance”, Seminar Nasional Teknologi Informasi dan Komunikasi 2018 (SENTIKA 2018).
Wijaya, Andy., Arisandi, Desi., dan Mulyawan, Bagus. 2020, “Pemilihan Lapangan Basket Wilayah Jakarta dengan Menggunakan Metode K-Nearest Neighbor”, Jurnal Ilmu Komputer dan Sistem Informasi vol. 8, no. 1.
Hadianto, Nur., Novitasari, Hafifah Bella., dan Rahmawati, Ami. 2019, “Klasifikasi Peminjaman Nasabah Bank Menggunakan Metode Neural Network”, PILAR Nusa Mandiri Journal of Computing and Information System, vol. 15, no. 2.