Text
Perbandingan metode manhattan dan euclidean distance pada algoritma k-means untuk pengelompokan wilayah berdasarkan analisis pola kualitas udara di Jakarta
Polusi udara di Jakarta telah menjadi isu serius yang memengaruhi kesehatan masyarakat dan lingkungan. Kualitas udara yang buruk di beberapa wilayah menuntut analisis mendalam untuk mengidentifikasi pola dan tingkat polusi udara. Penelitian ini bertujuan untuk mengelompokkan wilayah di Jakarta berdasarkan tingkat polusi udara menggunakan algoritma K-Means clustering dengan menentukan jumlah cluster optimal melalui Elbow Method. Dataset yang digunakan diambil melalui Kaggle ""Air Quality Index (AQI) in Jakarta 2010-2023"", yang mencakup parameter seperti PM10 (Partikel berukuran ≤ 10 mikrometer), CO (Karbon monoksida), 03 (Ozon troposferik), NO2 (Nitrogen dioksida), dan SO2 (Sulfur dioksida) - seluruhnya merupakan parameter pencemar udara yang memengaruhi kualitas udara dan kesehatan manusia. Proses clustering dilakukan melalui tiga tahap utama: Penentuan jumlah cluster optimal (K=4) menggunakan Elbow Method berdasarkan analisis Within-Cluster Sum of Squares (WCSS), Pembentukan cluster dengan membandingkan dua metode perhitungan jarak:
Manhattan distance dan Euclidean distance, serta Evaluasi hasil clustering menggunakan Davies Bouldin Index (DBI). Penelitian ini membuktikan bahwa kombinasi Elbow Method dan Euclidean distance pada algoritma K-Means merupakan pendekatan efektif untuk pemetaan polusi udara. Hasil clusterisasi dapat digunakan sebagai dasar perencanaan kebijakan lingkungan, khususnya mitigasi di wilayah dengan polusi tinggi seperti kawasan industri. Untuk penelitian selanjutnya, disarankan mengintegrasikan faktor tambahan seperti parameter PM25, kondisi cuaca dan mobilitas penduduk.
| SI25/018 | SI 25/018 | Prodi Sistem Informasi (Ruang Skripsi & Tesis) | Tersedia |
Tidak tersedia versi lain