PERBANDINGAN KINERJA ALGORITMA RANDOM FOREST DAN NAÏVE BAYES DALAM PENENTUAN KLASIFIKASI PENGARUH PADA PENCEMARAN UDARA DKI JAKARTA

• MEGA FATIHAH BELLA

---

ABSTRAK

 

ABSTRAK
Mega Fatihah Bella (11212107) Perbandingan Kinerja Algoritma Random Forest
dan Naïve Bayes Dalam Penentuan Klasifikasi Pengaruh Pada Pencemaran
Udara DKI Jakarta Komponen kehidupan yang paling penting ialah udara. Namun, dengan adanya pertumbuhan fisik kawasan industri di kota-kota besar, perluasan pilihan transportasi, dan keberadaan tempat pembuangan sampah yang penuh dengan bahan limbah yang membusuk, semuanya dapat berpengaruh pada penurunan kualitas udara. Sehingga pencemaran udara dapat menimbulkan berbagai dampak negatif bagi kehidupan. Dalam memprediksi kualitas pengaruh pada pencemaran udara dapat dilakukannya demgan klasifikasi data mining guna untuk mengetahui faktor yang paling mempengaruhi pada pencemaran udara. Penelitian ini menggunakan metode klasifikasi algoritma Random Forest dan Naïve Bayes kemudian melakukan perbandingan kedua metode algoritma tersebut menggunakan confusion matrix, AUC dan uji beda t-test dengan analisa software rapidminer berdasarkan Partikel Udara (PM10), Partikel Udara (PM2,5), Sulfur Dioksida(so2), Carbon Monoksida (CO), Ozon (O3), Nitrogen Dioksida (NO2) dan Categori/Pengaruh. Dari temuan penelitian ini, Partikel Udara (PM10), Partikel Udara (PM2,5) dan Sulfur Dioksida(so2) merupakan variabel yang paling menentukan kualitas udara yang tidak berpengaruh bagi kesehatan. Algoritma yang terbaik pada kasus ini ialah algoritma Random Forest dengan tingkat akurasi 99%, sedangkan tingkat akurasi algoritma Naïve Bayes sebesar 97,27%. Algoritma Random Forest dan Naive Bayes merupakan algoritma yang termasuk pada predikat Good Classification (0,80 – 0,90) dengan AUC Random
Forest 0,950 dan Naïve Bayes 0,956. Dari temuan uji beda t-test memperoleh hasil 0.559 yang dimana temuan ini menunjukkan bahwa tidak adanya perbedaan yang signifikan terhadap penentuan klasifikasi kualitas pencemaran udara dari kedua algoritma tersebut.
Kata kunci: Data Mining, Pencemaran Udara, Random Forest, Naïve Bayes
 

KATA KUNCI

Analisa Perbandingan,Algoritma Random Forest,Algoritma Naive Bayes

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] Arum Sustrisni Putri, “Pencemaran Udara: Pengertian dan Jenis.” Kompas.com, 2020, [Online]. Available: https://www.kompas.com/skola/read/2020/01/17/070000969/pencemaranudara-pengertian-dan-jenis?page=all. [2] Dinas Lingkungan Hidup, “Sumber Penyebab Dan Pencemaran Udar,” Dinas
Lingkungan Hidup, 2019. https://dlh.bulelengkab.go.id/informasi/detail/artikel/sumber-penyebab-danpencemaran-udara-48. [3] M. ke. dr sri aryanti, MM., “Dampak Pencemaran Udara (Polusi Udara) Terhadap Penyakit Hipertensi,” Kementerian Kesehatan Republik Indonesia, 2019. http://p2ptm.kemkes.go.id/kegiatan-p2ptm/subdit-penyakit-diabetesmelitus-dan-gangguan-metabolik/dampak-pencemaran-udara-polusi-udaraterhadap-penyakit-hipertensi. [4] “Kota Jakarta,” lingkunganhidup.jakarta.go.id/, 2022. https://lingkunganhidup.jakarta.go.id/jakartaberketahanan/?page_id=568. [5] Singgih Wiryono, “Data Pemprov DKI, Kendaraan Bermotor jadi Masalah Utama Pencemaran Udara Jakarta,” Kompas.com, 2021. https://megapolitan.kompas.com/read/2021/11/11/14321471/data-pemprovdki-kendaraan-bermotor-jadi-masalah-utama-pencemaranudara?page=all#:~:text=Hasil penelitian menemukan kontribusi polusi,%2C5%2C%22 ucap Yogi. (accessed Nov. 11, 2021). [6] N. Khasanah, R. Komarudin, N. Afni, Y. I. Maulana, and A. Salim, “Klasifikasi Kanker Kulit Menggunakan Algoritma Random Forest,” Sisfotenika, vol. 11, no. 2, p. 137, 2021, doi: 10.30700/jst.v11i2.1122. [7] Y. Yuliana, P. Paradise, and K. Kusrini, “Sistem Pakar Diagnosa Penyakit Ispa Menggunakan Metode Naive Bayes Classifier Berbasis Web,” CSRID
(Computer Sci. Res. Its Dev. Journal), vol. 10, no. 3, p. 127, 2021, doi: 10.22303/csrid.10.3.2018.127-138. [8] M. T. Muhammad Arhami, S.Si., M.Kom., Muhammad Nasir, S.T., Data
Mining - Algoritma dan Implementasi. Penerbit Andi, 2020. [9] P. . Fitri Marisa, S.Kom., M.Pd. , Anastasia Lidya Maukar, S.T., M.Sc., M.M.T. , Dr. Tubagus Mohammad Akhriza, S.Si., M.M.S.I., Data Mining Konsep Dan
Penerapannya. Yogyakarta: Deepublish (Grup Penerbitan CV Budi Utama), 2021. [10] B. N. Fricles Ariwisanto Sianturi, Paska Marto Hasugian, Agustina Simangunsong, Data Mining Teori dan Aplikasi Weka. IOCS Publisher, 2019. 45 [11] Y. Mardi, “Data Mining?: Klasifikasi Menggunakan Algoritma C4.5,” Edik
Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.201 6.v2i2.1465. [12] A. Y. S. Imam Tahyudin, Indika Manggala Putra, Data Mining Dan Data
Warehouse Menggunakan Aplikasi KNIME. Purwokerto: Zahira Media Publisher, 2021. [13] S. Lailil Muflikhah, Widodo, Wayan Firdaus Mahmudy, Machine Learning
dalam Bioinformatika. Malang: Universitas Brawijaya Press, 2021. [14] A. Primajaya and B. N. Sari, “Random Forest Algorithm for Prediction of Precipitation,” Indones. J. Artif. Intell. Data Min. , vol. 1, no. 1, p. 27, 2018, doi: 10.24014/ijaidm.v1i1.4903. [15] C. P. Anjar Wanto, Muhammad Noor Hasan Siregar, Agus Perdana Windarto, Dedy Hartama, Ni Luh Wiwik Sri Rahayu Ginantra, Darmawan Napitupulu, Edi Surya Negara, Muhammad Ridwan Lubis, Sarini Vita Dewi, Data Mining?:
Algoritma dan Implementasi. Yayasan Kita Menulis, 2020. [16] M. . Yusniar Nur Syarif Sidiq, Rd. Nuraini Siti Fathonah, S.S., M.Hum. Noviana Riza, S.Si., Metode Klasifikasi Menentukan Kenaikan Level UKM
Bandung Timur Dengan Algoritma Naïve Bayes Pada Sistem JURAGAN
Berbasis Komunitas. Bandung: CV. Kreatif Industri Nusantara, 2020. [17] C. P. Ema Ainun Novia, Woro Isti Rahayu, Sistem Perbandingan Algoritma KMeans Dan Naïve Bayes Untuk Memprediksi Prioritas Pembayaran Tagihan
Rumah Sakit Berdasarkan Tingkat KepentingaN. Kreatif, 2020. [18] M. Cendana and S. D. H. Permana, “Analisis Perbandingan Algoritma Naive Bayes, J48,Dan Random Forest Tree Dalam Peningkatan Loyalitas Pelanggan Umkm Dengan Voucher Belanja,” J. Integr., vol. 11, no. 2, pp. 140–145, 2019, doi: 10.30871/ji.v11i2.1157. [19] R. Leonardo, J. Pratama, and C. Chrisnatalis, “Perbandingan Metode Random Forest Dan Naïve Bayes Dalam Prediksi Keberhasilan Klien Telemarketing,” J.
Teknol. Dan Ilmu Komput. Prima, vol. 3, no. 2, pp. 1 –5, 2020, [Online]. Available: http://jurnal.unprimdn.ac.id/index.php/JUTIKOMP/article/view/1321. [20] V. Sari, F. Firdausi, and Y. Azhar, “Perbandingan Prediksi Kualitas Kopi Arabika dengan Menggunakan Algoritma SGD, Random Forest dan Naive Bayes,” Edumatic J. Pendidik. Inform. , vol. 4, no. 2, pp. 1 –9, 2020, doi: 10.29408/edumatic.v4i2.2202. [21] A. Tersiana, Metode Penelitian. Anak Hebat Indonesia, 2018. [22] Dita Kurniasari, “Analisis Data Adalah: Mengenal Pengertian, Jenis, Dan Prosedur Analisis Data,” DQLab, 2021. https://www.dqlab.id/analisis-dataadalah-mengenal-pengertian-jenis-dan-prosedur-analisis-data (accessed Apr. 46 21, 2021). [23] Kartika Handayani, “Perbandingan Kinerja Algoritma C4.5 Dan Naïve Bayes Dalam Penentuan Klasifikasi Status Kelayakan Donor Darah (Studi Kasus?: Udd Pmi Kota Pontianak),” Repository NusaMandiri, 2019.