Implementasi Algoritma Decision Tree untuk Memprediksi Kualitas Udara dan Polusi dengan RapidMiner
Abstract Views: 401
PDF Downloads: 285
DOI:
https://doi.org/10.56211/sudo.v4i3.1145Keywords:
Desion Tree; RapidMiner; Kualitas Udara; Pemodelan
Abstract
Kualitas udara menjadi faktor utama yang dapat mempengaruhi kesehatan masyarakat dan lingkungan. Dalam studi ini, Data yang digunakan berisi berbagai variabel yang memiliki hubungan dengan kualitas udara dan polusi. Studi ini juga memiliki tujuan untuk mengembangkan model prediksi akurat metode Decision Tree di pilih karena diyakini dapat Mengelola data kompleks dan menghasilkan model baru yang mudah dipahami. RapidMiner digunakan dalam proses Analisis guna memfasilitasi visualisasi dan pemodelan data yang efisien. Hasil pengujian menunjukan bahwasannya model Decision Tree dapat mencapai tingkat akurasi yang cukup tinggi dalam memprediksi kualitas udara dan polusi, dengan tingkat nilai akurasi mencapai 89.52%. Tingkat akurasi ini tergolong tinggi karena mendekati 90%, menunjukkan bahwa model ini mampu melakukan klasifikasi dengan tingkat kesalahan yang relatif rendah. Oleh karena itu, model ini berpotensi diandalkan sebagai alat untuk pemantauan kualitas udara secara real-time maupun untuk merumuskan kebijakan lingkungan. Studi ini di harapkan mampu memberikan kontribusi atau keikutsertaan dalam upaya pemantauan dan pengendalian kualitas udara dan polusi, dan juga dapat menjadi acuan atau refrensi untuk studi yang lebih lanjut dalam bidang kualitas lingkungan.
Downloads
References
Z. Fang, P. Wu, Y. Lin, T. Chang, dan Y. Chiu, “Air Pollution ’ s Impact on the Economic , Social , Medical , and Industrial Injury Environments in China,” 2021. DOI: https://doi.org/10.3390/healthcare9030261
J. I. Lingkungan, A. Pradifan, dan A. Suprihanto, “Pemantauan Kualitas Udara Kota Tegal ( Studi Kasus : Kecamatan Tegal Selatan , Kecamatan Tegal Barat , Kecamatan Tegal Timur ),” vol. 19, no. 1, hal. 73–82, 2021, doi: 10.14710/jil.19.1.73-82. DOI: https://doi.org/10.14710/jil.19.1.73-82
B. Mutu, “Analisis Kualitas Udara ( Nilai Parameter PM 2 , 5 dan Karbon Monoksida ) di Sekitar Kampus Universitas Bosowa Makassar,” vol. 23, no. April, hal. 164–171, 2023, doi: 10.35965/eco.v23i1.2514. DOI: https://doi.org/10.35965/eco.v23i1.2514
A. S. Ramadhantya, “Penggunaan Rapidminer Untuk Memprediksi Kelulusan Mahasiswa Dengan Algorithm Naive Bayes,” vol. 10, no. 1, hal. 52–60, 2024.
WHO, “Air pollution.” Diakses: 31 Juli 2025. [Daring]. Tersedia pada: https://www.who.int/teams/environment-climate-change-and-health/healthy-urban-environments/transport/health-risks
F. Haya, K. Nisa, R. F. Ladipasa, A. Suriani, dan A. Media, “Dampak Polusi Udara terhadap Kesehatan Manusia,” vol. 3, 2025. DOI: https://doi.org/10.62383/wissen.v3i2.753
C. Rosca dan M. Carbureanu, “Data-Driven Approaches for Predicting and Forecasting Air Quality in Urban Areas,” no. 2, 2025. DOI: https://doi.org/10.3390/app15084390
B. Dutta, “Comparative Analysis of Machine Learning and Deep Learning Models for Lung Cancer Prediction Based on Symptomatic and Lifestyle Features,” 2025. DOI: https://doi.org/10.3390/app15084507
U. Putra dan I. Yptk, “Penerapan algoritma klasifikasi untuk prediksi tingkat kelulusan mahasiswa menggunakan rappidminer,” vol. 6, no. 1, hal. 376–388, 2025, doi: 10.46576/djtechno. DOI: https://doi.org/10.46576/djtechno.v6i1.6169
D. B. Olawade, O. Z. Wada, A. O. Ige, B. I. Egbewole, A. Olojo, dan B. I. Oladapo, “Artificial intelligence in environmental monitoring : Advancements , challenges , and future directions,” Hyg. Environ. Heal. Adv., vol. 12, no. November 2023, hal. 100114, 2024, doi: 10.1016/j.heha.2024.100114. DOI: https://doi.org/10.1016/j.heha.2024.100114
J. Nasional, S. Informasi, V. Riandaru, H. Lazuardi, A. Adhi, dan C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier,” vol. 01, hal. 8–17, 2021. DOI: https://doi.org/10.25077/TEKNOSI.v7i1.2021.8-17
S. Informasi, “Jurnal Advance Research Informatika PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA DECISION TREE C4 . 5 UNTUK MEMPREDIKSI MAHASISWA DROP OUT DI UNIVERSITAS WIRARAJA,” vol. 1, no. Juni, hal. 1–7, 2023. DOI: https://doi.org/10.24929/jars.v1i02.2684
Downloads
Article History
Pages: 212-219
How to Cite
Issue
Section
License
Copyright (c) 2025 Abiestia Dika Mulya Saputra, Hasbi Firmansyah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskahnya pada sudo Jurnal Teknik Informatika menyetujui ketentuan berikut:
Hak cipta atas artikel apapun dalam sudo Jurnal Teknik Informatika dipegang penuh oleh penulisnya di bawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License. dengan beberapa ketentuan sebagai berikut:
"Penulis mengakui bahwa sudo Jurnal Teknik Informatika berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License / CC BY SA 4.0"
"Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini ke dalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi ke dalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada sudo Jurnal Teknik Informatika."
"Pembaca diperbolehkan mengunduh, menggunakan, dan mengadopsi isi artikel selama mengutip artikel dengan menyebutkan judul, penulis, dan nama jurnal ini. Pengutipan tersebut dilakukan demi kemajuan ilmu pengetahuan dan kemanusiaan serta tidak boleh melanggar hukum yang berlaku."
