Klasifikasi Kualitas Udara di Jakarta Menggunakan Algoritma K-Nearest Neighbor (KNN)

Abstract

Kualitas udara di Jakarta mengalami fluktuasi signifikan akibat meningkatnya aktivitas transportasi, industri, dan kepadatan penduduk, sehingga diperlukan sistem klasifikasi yang akurat untuk memantau dan menilai tingkat pencemaran udara. Penelitian ini bertujuan untuk mengklasifikasikan kualitas udara di Jakarta menggunakan algoritma K-Nearest Neighbor (KNN) berdasarkan parameter seperti PM2.5, PM10, CO, SO₂, NO₂, dan O₃ yang diperoleh dari data penginderaan atau stasiun pemantauan udara. Tahapan penelitian meliputi pengumpulan data, praproses data (normalisasi dan pembersihan), pembagian data menjadi data latih dan uji, penerapan algoritma KNN dengan variasi nilai k, serta evaluasi menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa algoritma KNN dengan nilai k optimal memberikan tingkat akurasi yang cukup tinggi dalam mengklasifikasikan kualitas udara ke dalam kategori baik, sedang, dan buruk. Kesimpulan penelitian ini menegaskan bahwa KNN dapat digunakan sebagai metode yang efektif dan sederhana untuk mendukung sistem pemantauan kualitas udara di wilayah perkotaan seperti Jakarta.

 Kata kunci: Kualitas udara, KNN, klasifikasi, pencemaran udara, Jakarta.

Air quality in Jakarta fluctuates significantly due to increasing transportation, industrial activities, and population density, thus requiring an accurate classification system to monitor and assess pollution levels. This study aims to classify air quality in Jakarta using the K-Nearest Neighbor (KNN) algorithm based on parameters such as PM2.5, PM10, CO, SO₂, NO₂, and O₃ obtained from air monitoring stations or sensor data. The research stages include data collection, preprocessing (normalization and cleaning), data splitting into training and testing sets, applying the KNN algorithm with various k values, and evaluating performance using accuracy, precision, and recall metrics. The results indicate that KNN with the optimal k value achieves high accuracy in classifying air quality into good, moderate, and poor categories. The findings conclude that KNN is an effective and simple method to support air quality monitoring systems in urban areas such as Jakarta.

Keywords: Air quality, KNN, classification, air pollution, Jakarta.