FATHUDDIN YAZID (2017) CLUSTERING DATA POLUTAN UDARA KOTA PEKANBARU MENGGUNAKAN METODE K-MEANS CLUSTERING. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER.pdf Download (316kB) | Preview
Preview	Text 2. PENGESAHAN.pdf Download (717kB) | Preview
Preview	Text 3. ABSTRAK.pdf Download (253kB) | Preview
Preview	Text 4. KATA PENGANTAR.pdf Download (495kB) | Preview
Preview	Text 5. DAFTAR ISI.pdf Download (504kB) | Preview
Preview	Text 6. BAB I.pdf Download (436kB) | Preview
Preview	Text 7. BAB II.pdf Download (747kB) | Preview
Preview	Text 8. BAB III.pdf Download (538kB) | Preview
Preview	Text 9. BAB IV.pdf Download (1MB) | Preview
	Text 10. BAB V.pdf Restricted to Repository staff only Download (1MB)
Preview	Text 11. BAB VI.pdf Download (254kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA.pdf Download (258kB) | Preview

Abstract

Kesehatan lingkungan merupakan suatu keseimbangan ekologi yang harus ada antara manusia dan lingkungan agar dapat menjamin keadaan sehat dari manusia. Pencemaran udara adalah salah satu permasalahan yang selalu mengganggu kesehatan lingkungan, seperti kabut asap yang belakangan ini terjadi setiap tahunnya di wilayah Kota Pekanbaru yang mengganggu kesehatan manusia bahkan sampai menelan korban jiwa. Untuk itu diterapkan ilmu dari data miningdengan metode K-means clusteringyang dapatmengelompokkan polutan pencemar udara.Pengelompokan clusterdilakukan dengan beberapa kali pengujian dengan jumlah clusterberbeda dan juga dengan pengolahan data yang berbeda sebagai perbandingan untuk mencari hasil yang optimal. Hasil penelitian dengan metode K-means clusteringdengan 5 cluster memiliki nilai evaluasi dbi sebesar -0,751 dimana dari 9 kali pengujian nilai dbiterbesar atau dikatakan kurang baik oleh 3 cluster dengan nilai -0,399 dan nilai dbi terkecil atau dikatakan paling baik oleh 8 clusterdengan nilai -0,947. Dengan nilai dbi sebesar -0,751 dapat dikatakan pengelompokan data polutan udara dengan 5 clustersudah cukup baik. Hasil pengujian dengan data yang telah dinormalisasi dapat dikatakan pengelompokan data polutan udara tidak cocok menggunakan data yang di normalisasi.Setelah kelompok polutan dari 5 clusterdi urutkan berdasarkan kadar polutan yang terkandung dapat disimpulkan bahwa polutan mengalami kenaikan antara bulan Juni dan Juli kemudian turun kembali pada bulan Oktober dan November sehingga diharapkan masyarakat lebih waspada pada rentang bulan-bulan tersebut untuk mencegah efek negatif dari polutan udaraseperti ispa dan gangguan pernapasan lainnya bahkan dapat menyebabkan kematian.Kata kunci: Clustering, Data mining, K-means, Polutan udara

Actions (login required)

View Item