PERBANDINGAN ALGORITMA KLASIFIKASI DECISION TREE, NAIVE BAYES, DAN K-NEAREST NEIGHBOR DALAM MENENTUKAN KUALITAS UDARA DI DKI JAKARTA.

UPT. PERPUSTAKAAN Universitas Esa Unggul Kampus Emas UEU - Jakarta Barat
Phone	:	021-5674223, ext 282
Fax	:
E-mail	:	[email protected]
Website	:	http://library.esaunggul.ac.id
Support (Customer Service) :
[email protected]

Welcome..guys!

Have a problem with your access?
Please, contact our technical support below:

LIVE SUPPORT

Astrid Chrisafi

! ATTENTION !

To facilitate the activation process, please fill out the member application form correctly and completely

Registration activation of our members will process up to max 24 hours (confirm by email). Please wait patiently

Still Confuse?
Please read our User Guide

UEU » Undergraduate Theses » Teknik Informatika
Posted by [email protected] at 13/09/2023 11:04:50 • 763 Views

PERBANDINGAN ALGORITMA KLASIFIKASI DECISION TREE, NAIVE BAYES, DAN K-NEAREST NEIGHBOR DALAM MENENTUKAN KUALITAS UDARA DI DKI JAKARTA.

Created by :
MOHAMMAD BARATA PUTRA GUSTI ( 20180801096 )

Subject:	ALGORITMA DECISION TREE NAIVE BAYES K-NEAREST NEIGHBOR
Alt. Subject :	ALGORITHM DECISION TREE NAIVE BAYES K-NEAREST NEIGHBOR
Keyword:	CRISP-DM ISPU Decision Tree K-Nearest Neighbor Na�ve Bayes

Description:

DKI Jakarta termasuk ke dalam 20 besar kota berpolusi di dunia. Polusi ini diakibatkan terkontaminasinya udara bersih dengan zat berbahaya yang disebut polutan. Unsur polutan pada negara Asia menggunakan O3, PM10, PM2.5 AQI, NO2/NOX, SO2, CO. Indeks standar pencemaran udara (ISPU) merupakan rentang nilai yang digunakan sebagai penentu klasifikasi kualitas udara. Tujuan penelitian ini, ingin melakukan prediksi kualitas udara di DKI Jakarta menggunakan dataset ISPU bersumber dari Jakarta Open Data dan algoritma Decision Tree Classifiaction and Regression Tree (CART), Na�ve Bayes, K-Nearest Neighbor (k-NN) dengan atribut PM10, CO, SO2, O3, NO2 dan target/class BAIK, SEDANG, TIDAK SEHAT dan SANGAT TIDAK SEHAT. Metodologi yang digunakan yaitu Cross-Industry Standard Process for Data Mining (CRISP-DM). Dalam data preparation dilakukan penanganan missing values menggunakan k-Nearest Neighbor Imputation skema 1NN dan outlier menggunakan winsorizing. Stratified k-fold cross validation diterapkan pada training model untuk menghindari overfitting dengan hasil akurasi Decision Tree sebesar 99.8%, Na�ve Bayes 89% dan k-NN akurasi tertinggi 94.6% dan terendah 92%. Hasil evaluasi model menggunakan confusion matrix mendapatkan hasil akurasi Decision Tree yang sama dengan training model sebesar 99.8% dan error 0.2%, Na�ve Bayes 91% akurasi 9% error dan k-Nearest Neighbor 95% akurasi 5% error. Kesimpulan dari penelitian yaitu model yang dihasilkan dari 3 (tiga) algoritma sangat baik dalam melakukan klasifikasi kualitas udara.

Contributor	:	Noviandi, S.Kom, M.Kom
Date Create	:	13/09/2023
Type	:	Text
Format	:	PDF
Language	:	Indonesian
Identifier	:	UEU-Undergraduate-20180801096
Collection ID	:	20180801096

Source :
Undergraduate Theses of Computer Science

Relation Collection:
Fakultas Ilmu Komputer

Coverage :
Civitas Akademika Universitas Esa Unggul

Rights :
@2023 Perpustakaan Universitas Esa Unggul

Publication URL :
https://digilib.esaunggul.ac.id/perbandingan-algoritma-klasifikasi-decision-tree-naive-bayes-dan-knearest-neighbor-dalam-menentukan-kualitas-udara-di-dki-jakarta-30721.html

[ Free Download - Free for All ]