PERBANDINGAN ALGORITMA KLASIFIKASI DATA MINING UNTUK PREDIKSI KUALITAS UDARA DI KOTA BANDUNG

Abstract

Polusi udara di kota-kota besar Indonesia menjadi masalah serius karena dapat menyebabkan berbagai penyakit pernapasan dan bahkan kematian. Teknologi data mining dapat dimanfaatkan untuk menganalisis data kualitas udara dan memprediksi tingkat polusi di masa depan, memungkinkan tindakan preventif yang lebih cepat. Penelitian ini membandingkan beberapa algoritma klasifikasi data mining untuk memprediksi kualitas udara di Kota Bandung, dengan fokus pada Naive Bayes, K-Nearest Neighbors (KNN), dan Support Vector Machine (SVM). Data kualitas udara diperoleh dari berbagai sensor yang tersebar di seluruh Kota Bandung. Hasil penelitian menunjukkan bahwa algoritma SVM memberikan kinerja terbaik dengan akurasi prediksi sebesar 92,5%. Temuan ini diharapkan dapat membantu pemerintah dan pemangku kebijakan dalam mengambil keputusan yang tepat untuk mengurangi polusi udara dan meningkatkan kesehatan masyarakat di Kota Bandung.