NAUFAL, Farhan Imam (2024) Perbandingan Classification and Regression Tree dan Random Forest pada Indeks Standar Pencemar Udara (ISPU) di DKI Jakarta). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (61kB)
	Text 3. HALAMAN PENGESAHAN 1 SCAN.pdf Download (204kB)
	Text 4. HALAMAN PENGESAHAN 2 SCAN.pdf Download (236kB)
	Text 5. KATA PENGANTAR.pdf Download (74kB)
	Text 6. ABSTRAK.pdf Download (9kB)
	Text 7. ABSTRACT.pdf Download (6kB)
	Text 8. DAFTAR ISI.pdf Download (22kB)
	Text 12. BAB 1 PENDAHULUAN.pdf Download (105kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (149kB)

Abstract

Udara merupakan salah satu komponen kehidupan yang sangat penting bagi
mahluk hidup. Pada tahun 2021, DKI Jakarta menduduki peringkat ke-12 sebagai
ibu kota paling berpolusi di dunia. Dampak dari udara yang tercemar pun sangatlah
berbahaya. Kualitas udara di Indonesia dapat diketahui dengan indeks standar
pencemar udara (ISPU). ISPU merupakan perhitungan dari beberapa parameter, di
antaranya yaitu PM10, NO2, O3, SO2, dan CO. ISPU akan berkategorikan kualitas
udara baik, sedang, tidak sehat, sangat tidak sehat, dan berbahaya yang nantinya
akan dibagikan menjadi informasi yang dapat diakses secara terbuka oleh publik.
Hal ini sesuai dengan arahan Menteri Lingkungan Hidup dan Kehutanan Republik
Indonesia yang membuat Peraturan Menteri LHK Nomor 14 tahun 2020. Oleh
karena itu, klasifikasi ISPU perlu dilakukan guna membantu pemerintah dalam
melakukan klasifikasi terhadap kualitas udara di DKI Jakarta. Penelitian ini
mengimplementasikan classification and regression tree (CART) dan random
forest dengan menggunakan GridSearchCV dalam mengklasifikasikan ISPU di
DKI Jakarta. CART merupakan classifier yang dianggap mudah untuk
diinterpretasikan, cepat, dan akurat. Random forest merupakan classifier yang
mampu mengurangi risiko overfitting dibandingkan CART. Variabel prediktor
yang digunakan pada penelitian ini adalah PM10, NO2, O3, SO2, dan CO. Penelitian
ini memberikan hasil bahwa model CART dengan GridSearchCV mendapatkan
accuracy sebesar 98,40% dan model random forest dengan GridSearchCV
mendapatkan accuracy sebesar 98,52%. Berdasarkan penelitian ini, penerapan
GridSearchCV terhadap CART dan random forest mampu bekerja secara efektif
dalam mengklasifikasikan ISPU di DKI Jakarta.
Kata Kunci: Indeks Standar Pencemar Udara, Klasifikasi, Classification and
Regression Tree, Random Forest, GridSearchCV

Actions (login required)

View Item