Skripsi/Tugas Akhir

Klasifikasi Kualitas Udara di Kota Makassar Menggunakan Machine Learning

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Kualitas udara berpengaruh pada kesehatan manusia dan lingkungan, sehingga diperlukan pemantauan menggunakan Indeks Standar Pencemar Udara (ISPU) berdasarkan polutan seperti PM10, PM2.5, SO2, CO, O3, NO2, dan HC. Tantangan utama dalam klasifikasi ISPU adalah ketidakseimbangan data, di mana kategori dengan pencemaran tinggi memiliki sampel lebih sedikit. Penelitian ini menggunakan metode Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF) serta menerapkan Synthetic Minority Over-sampling Technique (SMOTE) untuk menangani ketidakseimbangan data. Dataset diperoleh dari Dinas Lingkungan Hidup Kota Makassar periode 2021-2023 dan melalui tahap preprocessing, termasuk pembersihan, normalisasi, serta penyeimbangan data menggunakan SMOTE. Evaluasi dilakukan berdasarkan akurasi, precision, recall, dan F1-score. Sebelum penerapan SMOTE, model SVM memiliki akurasi 89,64%, tetapi gagal mengenali kategori "Tidak Sehat" (precision, recall, dan F1-score = 0.00). Setelah SMOTE diterapkan, akurasi meningkat menjadi 93,48%, dengan distribusi prediksi yang lebih seimbang. Kategori "Baik" dan "Sedang" mengalami peningkatan performa, sementara kategori "Tidak Sehat" berhasil diklasifikasikan dengan sempurna (precision, recall, dan F1-score = 1.00).
Kata Kunci: Klasifikasi ISPU, Support Vector Machine (SVM), Radial Basis Function (RBF), SMOTE, Kualitas Udara, Machine Learning

ABSTRACT
Air quality affects human health and the environment, necessitating monitoring using the Air Pollution Standard Index (ISPU) based on pollutants such as PM10, PM2.5, SO2, CO, O3, NO2, and HC. The main challenge in ISPU classification is data imbalance, where high pollution categories have fewer samples. This study employs the Support Vector Machine (SVM) method with the Radial Basis Function (RBF) kernel and applies the Synthetic Minority Over-sampling Technique (SMOTE) to address data imbalance. The dataset was obtained from the Makassar Environmental Agency for the period 2021-2023 and underwent preprocessing, including data cleaning, normalization, and balancing using SMOTE. Evaluation was conducted based on accuracy, precision, recall, and F1-score. Before applying SMOTE, the SVM model achieved 89.64% accuracy but failed to recognize the "Unhealthy" category (precision, recall, and F1-score = 0.00). After applying SMOTE, accuracy increased to 93.48%, with a more balanced prediction distribution. The "Good" and "Moderate" categories showed improved performance, while the "Unhealthy" category was classified perfectly (precision, recall, and F1-score = 1.00).
Keywords: ISPU Classification, Support Vector Machine (SVM), Radial Basis Function (RBF), SMOTE, Air Quality, Machine Learning

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 SAI k - 0897TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xiv + 78 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 26 Februari 2025

Subjek

Skripsi/Tugas Akhir
Machine Learning
Support Vector Machine

Lampiran File