OPTIMALISASI KLASIFIKASI UJI EMISI SEPEDA MOTOR MENGGUNAKAN ALGORITMA NAÏVE BAYES
(1) Teknik Informatika Universitas Muhammadiyah Prof. Dr. Hamka Jakarta
(2) Teknik Informatika, STMIK Widuri Jakarta
(3) Teknik Informatika, STMIK Widuri Jakarta
(4) Sistem Informasi Universitas Buddhi Dharma
(*) Corresponding Author
Abstract
Dense urban areas with high levels of industrial and transportation activity result in increased air pollutant emissions that threaten air quality and the health of their residents. The issue is the lack of utilization and optimization of motorcycle emission test classification through a machine learning approach. This research aims to utilize motorcycle emission test data and to determine the accuracy, precision, and recall results of the naive Bayes algorithm. The number of datasets used by the researchers is 2409 data points. Based on this data, it is divided into two parts: training data consisting of 1927 data points (80%) and testing data consisting of 482 data points (20%). The results of the motorcycle emission test data can be utilized for classification optimization, and the naive Bayes algorithm can be applied to classify and analyze the accuracy, precision, and recall results of the motorcycle emission test data. The accuracy result is 91.49%, the precision result for the pass classification is 93.72%, and the precision result for the fail classification is 83%, while the recall result for the pass classification is 95.47% and the recall result for the fail classification is 77.57%.
ABSTRAK
Daerah perkotaan yang padat penduduk dengan tingkat aktivitas industri dan transportasi yang tinggi mengakibatkan peningkatan emisi polutan udara yang mengancam kualitas udara dan kesehatan warganya. Permasalahan belum adanya pemanfaatan dan optimalisasi klasifikasi uji emisi sepeda motor melalui pendekatan machine learning. Penelitian ini bertujuan untuk memanfaatkan data uji emisi sepeda motor dan untuk mengetahui hasil akurasi, presisi, dan recall dari algoritma naïve bayes. Adapun jumlah dataset yang peneliti gunakan sebanyak 2409 data. Berdasarkan data tersebut dibagi menjadi dua yaitu data training sebanyak 1927 data (80%) dan data testing sebanyak 482 data (20%). Hasil penelitian data uji emisi sepeda motor dapat dimanfaatkan untuk optimalisasi klasifikasi dan algoritma naïve bayes dapat diterapkan dalam mengklasifikasi dan menganalisis hasil akurasi, presisi, dan recall dari data uji emisi sepeda motor. Adapun hasil akurasinya sebesar sebesar 91,49%, hasil precision klasifikasi lulus sebesar 93,72% dan hasil precision klasifikasi tidak lulus sebesar 83%, dan hasil recall klasifikasi lulus sebesar 95,47% dan hasil recall klasifikasi tidak lulus sebesar 77,57%.
Keywords
Full Text:
PDFReferences
Adinda Amalia, Ati Zaidiah, dan I. N. I. (2022). Analisis Dan Komparasi Algoritma Klasifikasi Dalam Indeks Pencemaran Udara Di Dki Jakarta. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika, 7(2), 496–507. https://doi.org/10.33387/jiko.v4i2.2871
Andarista, R. R., & Jananto, A. (2022). Penerapan Data Mining Algoritma C4. 5 Untuk Klasifikasi Hasil Pengujian Kendaraan Bermotor. Jurnal Tekno Kompak, 16(2), 29–43. https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/1525%0Ahttps://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/download/1525/944
Ardian, D., Larasati, P. D., & Irawan, A. (2018). Perancangan Sistem Informasi Aplikasi Rental Mobil Menggunakan Java Netbeans dan MySQL Pada Perusahaan Dean’s Car Rent. Applied Information Systems and Management (AISM), 1(1), 35–44.
Astriyani, M., Laela, I. N., Lestari, D. P., Anggraeni, L., & Astuti, T. (2023). Analisis Klasifikasi Data Kualitas Udara Dki Jakarta Menggunakan Algoritma C.45. JuSiTik : Jurnal Sistem Dan Teknologi Informasi Komunikasi, 6(1), 36–41. https://doi.org/10.32524/jusitik.v6i1.790
Bagaskara, W., & Pusparini Nur Nawaningtyas, I. (2024). Klasifikasi Penjadwalan Kerja Perawatan Air Conditioner (Ac) Menggunakan Algoritma Decision Tree (C4.5) Pada PT Xyz. Infotech: Journal of Technology Information, 10(1), 11–20. https://doi.org/https://doi.org/10.37365/jti.v10i1.240
Irwansyah, Ade Davy Wiraanata, T. T. M. (2023). Komparasi algoritma decision tree, naive bayes dan k- nearest neighbor untuk menentukan kualitas udara di provinsi dki jakarta. Infotech: Journal of Technology Information, 9(2), 193–198. https://doi.org/https://doi.org/10.37365/jti.v9i2.203
Irwansyah, Akhmad Rizal Dzikrillah, Muhammad Rifky Aditya, Syafira Nadia Al-Fadillah, M. M. M. (2024). Impelementasi Wireless Sebagai Media Komunikasi Pada Software Kendali Manipulator Mobile Multi Lengan. Infotech: Journal of Technology Information, 10(1), 21–26. https://doi.org/https://doi.org/10.37365/jti.v10i1.242
Irwansyah, Rizki Dittyata, Rizal, W. (2024). Optimalisasi Klasifikasi Uji Emisi Sepeda Motor Menggunakan Algoritma Naïve Bayes. Infotech: Journal of Technology Information, 10(2). https://doi.org/DOI: https://doi.org/10.37365/jti.v10i2.327
Muryono, T. T., & Irwansyah. (2020). Implementasi Data Mining Untuk Menentukan Kelayakan Pemberian Kredit Dengan Menggunakan Algoritma K-Nearest Neighbors (K-NN). Journal Of Technology Information, 6(1), 43–48. https://doi.org/DOI: https://doi.org/10.37365/jti.v6i1.78
Muryono, T. T., Taufik, A., & Irwansyah, I. (2021). Perbandingan Algoritma K-Nearest Neighbor, Decision Tree, Dan Naive Bayes Untuk Menentukan Kelayakan Pemberian Kredit. Infotech: Journal of Technology Information, 7(1), 35–40. https://doi.org/https://doi.org/10.37365/jti.v7i1.104
Saputra, A., & Hasan, F. N. (2023). Analisis Sentimen Terhadap Aplikasi Coffee Meets Bagel Dengan Algoritma Naïve Bayes Classifier. Sibatik Journal | Volume, 2(2), 465–474. https://publish.ojs-indonesia.com/index.php/SIBATIK
Saputro, K. W. (2017). Penerapan Data Mining dengan Algoritma Iterative Dichotomiser Three (ID3) Untuk Klasifikasi Hasil Uji Kelayakan Kendaraan Bermotor (Studi Kasus : Dinas Perhubungan Kabupaten Nganjuk). Simki-Techsain, 1(3), 1–9.
Tupan Tri Muryono, Ade Davy Wiranata, I Ketut Sudaryana, I. (2021). Pemilihan Dosen Pembimbing Skripsi Terbaik Menggunakan Metode Composite Performance Index (CPI). Infotech: Journal of Technology Information, 7(1), 55–62. https://doi.org/https://doi.org/10.37365/jti.v8i1.132
DOI: https://doi.org/10.37365/jti.v10i2.327
Refbacks
- There are currently no refbacks.
