Klasifikasi Indeks Standar Pencemaran Udara di Yogyakarta Untuk Data Tidak Seimbang Menggunakan Support Vector Machine

Mutiara Angelicha Rahma, . (2026) Klasifikasi Indeks Standar Pencemaran Udara di Yogyakarta Untuk Data Tidak Seimbang Menggunakan Support Vector Machine. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text (Cover) 1_Cover_123210169_Mutiara Angelicha Rahma.pdf Download (207kB)
	Text (Abstrak) 2_Abstrak_123210169_Mutiara Angelicha Rahma.pdf Download (227kB)
	Text (Halaman Pengesahan) 3_Halaman Pengesahan_123210169_Mutiara Angelicha Rahma.pdf Download (98kB)
	Text (Daftar Isi) 4_Daftar Isi_123210169_Mutiara Angelicha Rahma.pdf Download (256kB)
	Text (Daftar Pustaka) 5_Daftar Pustaka_123210169_Mutiara Angelicha Rahma.pdf Download (190kB)
	Text (Skripsi Full) 6_Skripsi Full_123210169_Mutiara Angelicha Rahma.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pencemaran udara merupakan salah satu isu lingkungan yang berdampak penting terhadap masyarakat, ekosistem, serta kualitas hidup. Kota Yogyakarta sebagai wilayah dengan aktivitas kendaraan yang tinggi, pertumbuhan populasi, serta aktivitas pembakaran terbuka memiliki risiko pencemaran udara yang signifikan. Pemerintah telah menetapkan system Indeks Standar Pencemaran Udara (ISPU) melalui Kementerian Lingkungan Hidup dan Kehutanan (KLHK) untuk mengklasifikasikan kualitas udara ke dalam kategori tertentu seperti Baik, Sedang, Tidak Sehat, hingga Berbahaya. Namun, dalam praktiknya, data historis kualitas udara yang diperoleh dari Dinas Lingkungan Hidup (DLH) Kota Yogyakarta masih menghadapi keterbatasan cakupan wilayah dan distribusi kelas ISPU yang tidak seimbang. Keseimbangan ini menimbulkan tantangan dalam membangun model klasifikasi yang adil dan akurat, karena algoritma cenderung bias terhadap kelas mayoritas.
Penelitian ini bertujuan untuk membangun model klasifikasi ISPU berdasarkan data historis kualitas udara Kota Yogyakarta tahun 2023 dan 2024. Data yang digunakan berupa konsentrasi polutan utama, yaitu PM₂.₅, PM₁₀, SO₂, CO, O₃, dan NO₂. Tahapan penelitian dimulai dengan studi literatur, pengumpulan data, dan pra-pemrosesan yang meliputi pembersihan data, serta penentuan kategori ISPU berdasarkan komponen kritis sesuai standar KLHK. Selanjutnya, untuk mengatasi masalah ketidakseimbangan kelas, digunakan metode Synthetic Minority Oversampling Technique (SMOTE). Model klasifikasi dibangun dengan algoritma Support Vector Machine (SVM) menggunakan kernel confusi Function (RBF). Evaluasi kinerja model dilakukan menggunakan metrik Precision, Recall, F1-Score, Macro-F1, serta Confusion Matrix guna memastikan performa klasifikasi dapat diukur secara adil di setiap kategori ISPU.
Hasil penelitian menunjukkan bahwa penerapan metode SMOTE mampu meningkatkan performa klasifikasi pada kategori minoritas dibandingkan tanpa penanganan ketidakseimbangan. Model SVM dengan kernel RBF berhasil memberikan hasil klasifikasi ISPU yang lebih seimbang, ditunjukkan dengan peningkatan nilai Macro-F1 dan Recall pada kelas minoritas. Dengan demikian, penelitian ini memberikan kontribusi dalam membangun model klasifikasi ISPU yang lebih adil, akurat, dan representatif terhadap kondisi pencemaran udara di Yogyakarta. Selain itu, hasil penelitian ini diharapkan dapat mendukung upaya pemantauan kualitas udara secara lebih efektif di tingkat daerah, serta menjadi acuan bagi penelitian lanjutan yang berfokus pada pengolahan data lingkungan dengan pendekatan pembelajaran mesin.

Kata Kunci: Indeks Standar Pencemaran Udara, Synthetic Minority Oversampling Technique, Support Vector Machine, Klasifikasi, Yogyakarta

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Mutiara Angelicha Rahma (Penulis - 123210169) Novrido Charibaldi (Pembimbing)
Uncontrolled Keywords:	Indeks Standar Pencemaran Udara, Synthetic Minority Oversampling Technique, Support Vector Machine, Klasifikasi, Yogyakarta
Subjek:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Indah Lestari
Date Deposited:	20 Feb 2026 01:03
Last Modified:	20 Feb 2026 01:03
URI:	http://eprints.upnyk.ac.id/id/eprint/47104

Actions (login required)

View Item