Klasifikasi Indeks Standar Pencemaran Udara untuk Data Tidak Seimbang - menggunakan Pendekatan Pembelajaran Mesin

Aug 5, 2026

Unggah oleh Asher

Pencemaran udara menjadi isu sosial karena memengaruhi kesehatan manusia dan lingkungan. Di Indonesia, Indeks Standar Pencemar Udara (ISPU) diturunkan dari kadar PM10, CO, SO2, O3, dan NO2. Penelitian ini mengevaluasi kinerja algoritma pembelajaran mesin seperti SVM, Naïve Bayes, Logistic Regression, Decision Tree, dan AdaBoost untuk klasifikasi kualitas udara saat data tidak seimbang. Kelas kualitas udara dibagi menjadi Baik, Sedang, dan Tidak Sehat. Dataset diambil dari Open Data Jakarta periode 2010–2021 sebanyak 4.383 sampel. Hasil menunjukkan Decision Tree paling unggul dengan akurasi 99%, presisi 98%, recall 99%, dan F1 98%.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman8

Waktu Membaca12 mnt

AksesGratis untuk diunduh

Daftar Isi

Pendahuluan

Latar belakang dan dampak pencemaran udara

ISPU dan klasifikasi kualitas udara di Indonesia

Penerapan machine learning pada pencemaran udara

Tinjauan Pustaka

Algoritma klasifikasi dan metrik evaluasi

AdaBoost

Klasifikasi Indeks Standar Pencemaran Udara untuk Data Tidak Seimbang menggunakan Pendekatan Pembelajaran Mesin Air Quality Index Classification for Imbalanced Data Using Machine Learning Approach 1Bryan Valentino Jayadi, 2Manatap Dolok Lauro, 3Zyad Rusdi, 4Teny Handhayani* 1,2,3,4Fakultas Teknologi Informasi, Universitas Tarumanagara, Jakarta, Indonesia *e-mail: [tenyh@fti.untar.ac.id](tenyh@fti.untar.ac.id) (received: 10 September 2023, revised: 16 Januari 2024, accepted: 16 Januari 2024) Abstrak Pencemaran udara merupakan salah satu masalah yang ada di masyarakat. Polusi udaramempengaruhi kesehatan manusia dan lingkungan. Di Indonesia, indeks standar pencemar udara (ISPU) diukur dari kadar partikulat 10 (PM 10), karbon monoksida (CO), sulfur dioksida (SO2), ozon (O3), dan nitrogen dioksida (NO2) . Penelitian ini dilakukan untuk mengevaluasi kinerja algoritmapembelajaran mesin, misalnya, Support Vector Machine (SVM), Naïve Bayes, Logistic Regression, Decision Tree, dan AdaBoost, untuk mengklasifikasikan indeks kualitas udara berdasarkan nilai PM 10, CO, SO2, O3, dan NO2 dengan jumlah sampel yang tidak seimbang. Kualitas udara diklasifikasikanmenjadi Baik, Sedang, dan Tidak Sehat. Dataset diunduh dari Open Data Jakarta dari tahun 2010 - 2021. Data yang berisi 4383 sampel terdiri dari 1155 sampel Baik, 3087 sampel Sedang, dan 141 sampel Tidak Sehat. Hasil eksperimen menunjukkan bahwa Decision Tree mengungguli metode lainnya. Decision Tree menghasilkan akurasi, presisi, recall, dan skor F1 masing-masing sebesar 99%, 98%, 99%, dan 98% . Kata kunci: ISPU; klasifikasi; data tidak seimbang; pembelajaran. Abstract Air pollution is one of the problems in society. Air pollutions affect human health and environment. In Indonesia, air quality index is measured by the level of particulate matter 10 (PM10), carbon monoxide (CO), suur dioxide (SO2), ozone (O3), and nitrogen dioxide (NO2). This research is conducted to evaluate the performance of machine learning algorithms, e.g., Support Vector Machine (SVM), Naïve Bayes, Logistic Regression, Decision Tree, and AdaBoost, to classify air quality index based on the level of PM10, CO, SO2, O3, and NO2 with imbalanced samples. The air quality index is classified into Good, Moderate, and Unhealthy. The dataset is downloaded from Open Data Jakarta from 2010-2021. The data containing 4383 samples consist of 1155 samples of Good, 3087 samples of Moderate, and 141 samples of Unhealthy. The experimental results show that Decision Tree outperforms other methods. Decision Tree produces accuracy, precision, recall, and F1-score of 99%, 98%, 99%, and 98%, respectively. Keywords: air quality index; classification; imbalanced data, machine learning. 1 Introduction Air quality is one of the important issues in society that needs properly managed. Air Quality Index is measured by the level of carbon monoxide (CO), sulfur dioxide (SO2), nitrogen dioxide (NO2), ozon (O3), particulate matter 10 (PM 10), and particulate matter 2.5 (PM2.5) . Air pollution has negative impact on human health and environment. A study said that air pollution affects lung and heart disease that possibly leads to premature death [1] . Particulate matter possibly causes some disease, e.g., asthma and lung disease [2] . A study about low-and middle-income countries found that industrial development and urbanization in a very short period might cause air pollution [3] . A research reveal that industrial air pollution indirectly causes crop yield decrease [4]. Air pollution also affects cattle mortality during summer season [5] . A study found that PM2.5 associated with cow's milk production [6] . Air pollution in Indonesia becomes one of important issues for public health. The Ministry of Environment and Forestry in the Republic of Indonesia classifies the air quality index as good (1-50), moderate (51-100), unhealthy (101-200), very unhealthy (201-300), and hazardous (over 300) [7] . Traffic emissions,

Pertanyaan Umum

ISPU di Indonesia diukur berdasarkan parameter apa?

ISPU diukur dari kadar PM10, CO, SO2, O3, dan NO2. Parameter-parameter ini menjadi dasar klasifikasi kualitas udara.

Masalah utama yang dibahas penelitian ini adalah apa?

Penelitian berfokus pada klasifikasi indeks kualitas udara ketika jumlah sampel tiap kelas tidak seimbang (imbalanced data).

Algoritma apa yang menunjukkan performa terbaik dan metriknya berapa?

Decision Tree unggul dibanding metode lain. Decision Tree menghasilkan akurasi 99%, presisi 98%, recall 99%, dan F1 98%.

Aug 5, 2026

Unggah oleh Asher