<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="111840">
 <titleInfo>
  <title>PERBANDINGAN PERFORMA KLASIFIKASI PLUME AIR QUALITY INDEX (PAQI) DI INDONESIA MENGGUNAKAN SUPPORT VECTOR MACHINE DAN RANDOM FOREST</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Zuhra Adha</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Statistika</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Meningkatnya pembangunan di kota, pusat-pusat industri, dan transportasi bermotor telah menyebabkan pencemaran udara. Salah satu cara untuk menilai kualitas udara di suatu wilayah adalah melalui Plume Air Quality Index (PAQI). PAQI didasarkan pada empat jenis polutan, yaitu partikulat (PM10 dan PM2,5), nitrogen dioksida (NO2), dan ozon (O3), serta memiliki tujuh tingkat polusi atau kategori. Klasifikasi konsentrasi polutan ke dalam kategori PAQI harus dilakukan dengan akurat untuk menghindari kesalahan dalam menentukan kualitas udara. Untuk memprediksi kategori PAQI dengan akurat, teknik data mining seperti klasifikasi dapat digunakan. Beberapa penelitian sebelumnya menyatakan bahwa metode Support Vector Machine (SVM) dan Random Forest (RF) menghasilkan hasil klasifikasi yang baik, tetapi hanya berdasarkan akurasinya. Oleh karena itu, penelitian ini melakukan simulasi menggunakan kedua metode tersebut untuk mengevaluasi kemampuan metode dalam memprediksi kategori PAQI berdasarkan metrik performa nilai, yaitu accuracy dan F1-score. Penelitian ini menggunakan data konsentrasi polutan; PM2,5, PM10, NO2, dan O3, serta kategori PAQI dari 33 ibu kota provinsi di Indonesia pada 1 Juli 2022 sampai dengan 31 Desember 2022. Hasil penelitian menunjukkan bahwa nilai performa SVM kernel linear dengan parameter optimum C = 1.000 adalah 76,13%. Tingkat performa SVM kernel RBF dengan parameter optimum C = 100 dan γ = 4 adalah 86,74%. Tingkat performa SVM kernel polinomial dengan parameter optimum C = 100 dan h = 2 adalah 77,90%. Sementara itu, tingkat performa RF dengan parameter optimum n estimators = 10, max depth = 15, dan mtry = 4 adalah sebesar 88,63%. Sehingga metode terbaik untuk melakukan analisis klasifikasi data PAQI di Indonesia pada periode 1 Juli 2022 hingga 31 Desember 2022 adalah metode RF.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>111840</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-06-23 12:20:41</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-06-23 15:32:48</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>