Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

KLASIFIKASI KUALITAS UDARA MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION DI KOTA PEKANBARU

Jufianto Henri, - (2021) KLASIFIKASI KUALITAS UDARA MENGGUNAKAN ALGORITMA LEARNING VECTOR QUANTIZATION DI KOTA PEKANBARU. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
Jufianto Henri - Laporan Full.pdf

Download (3MB) | Preview
[img] Text (BAB IV)
Jufianto Henri - Hasil Penelitian.pdf - Published Version
Restricted to Repository staff only

Download (1MB)

Abstract

Pecemaran udara dapat menjadi suatu permasalahan yang berdampak buruk bagi kesehatan makhluk hidup. Data BNPB pada tahun 2015 menyebutkan sebanyak 49.591 orang diwilayah Riau menderita penyakit akibat pencemaran udara seperti ispa, pneumia, asma, iritasi mata dan kulit. Selain itu juga menyebabkan seluruh aktifitas kegiatan pendidikan pada khususnya di Pekanbaru dihentikan. Hal ini diakibatkan oleh bencana kebakaran hutan yang menyebabkan kualitas udara pada daerah Pekanbaru sekitarnya menjadi berbahaya. Penelitian ini bertujuan untuk mengklasifikasi kualitas udara di kota Pekanbaru dengan menggunakan metode Learning Vector Quantization. Parameter pencemar udara pada penelitian ini yaitu SO2, CO, NO2, O3 dan PM10. Pengelompokan klasifikasi berdasarkan Indeks Standar Pencemaran Udara (ISPU) dengan kategori baik, sedang, tidak sehat, sangat tidak sehat, dan berbahaya yang disimbolkan dengan angka 1-5. Hasil pengujian metode LVQ mendapatkan hasil akurasi terbaik yaitu 95,2381 dengan kombinasi parameter LVQ yaitu pembagian data 90:10, nilai α 0,001, nilai minimal α 0,00001. Dari hasil pengujian dapat dinyatakan bahwa klasifikasi dengan menerapkan metode LVQ berhasil dan bernilai baik.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 09 Aug 2021 23:52
Last Modified: 09 Aug 2021 23:52
URI: http://repository.uin-suska.ac.id/id/eprint/53816

Actions (login required)

View Item View Item