Nurdalia, Nurdalia
(2023)
Perbandingan Algoritma Naïve Bayes dan k-Nearest Neighbor (Knn) untuk Klasifikasi Indeks Standar Pencemaran Udara di Dki Jakarta Tahun 2021.
Skripsi thesis, Universitas Negeri Padang.
Abstract
Pencemaran udara merupakan masalah yang berdampak bagi kehidupan makhluk hidup. Udara yang tercemar akan menimbulkan berbagai macam penyakit, sehingga perlu dilakukan pengamatan tingkat pencemaran udara di lingkungan masyarakat. Untuk menentukan tingkat pencemaran udara dapat dipermudah dengan menggunakan proses klasifikasi data mining. Data mining adalah upaya untuk mendapatkan informasi dari sekumpulan data, yang nantinya informasi tersebut digunakan untuk pengambilan keputusan. Maka tujuan penelitian ini adalah untuk mengetahui model klasifikasi terbaik dalam memprediksi pencemaran udara di DKI Jakarta Tahun 2021, serta untuk mengetahui tingkat evaluasi terbaik yang dihasilkan oleh metode tersebut.
Penelitian ini merupakan penelitian terapan. Data yang digunakan adalah data indeks standar pencemaran udara DKI Jakarta Tahun 2021 yang diperoleh dari website kaggle berdasarkan enam kandungan udara, yaitu partikel debu (PM10), partikel debu (PM2,5), sulfur dioksida ( SO2), karbon monoksida. (CO), ozon (O3), dan nitrogen dioksida (NO2), dengan menggunakan metode Naïve Bayes dan K-Nearest Neighbor.
Hasil pengklasifikasian yang diperoleh dengan menggunakan algoritma Naïve Bayes dan K-Nearest Neighbor menunjukkan bahwa evaluasi terbaik dari kedua metode tersebut terdapat pada algoritma Naïve Bayes dengan tingkat accuracy yang tinggi sebesar 91%. Hal ini berlaku untuk keseluruhan kategori, meskipun terdapat data kategori tertentu yang memiliki frekuensi sedikit lebih kecil dibandingkan kategori lainnya.
Actions (login required)
 |
View Item |
