Klasifikasi Kondisi Udara dengan Sensor MQ Series dan MG Menggunakan K-NN, Decision Tree dan Random Forest

Abstract

Polusi udara merupakan salah satu masalah lingkungan yang sangat serius di perkotaan. Polusi
udara dapat menyebabkan berbagai penyakit respirasi, kardiovaskuler, dan bahkan kanker. Kota Jakarta
merupakan salah satu kota yang terkena dampak polusi udara secara signifikan.Tujuan Penelitian ini
adalah Mengembangkan sistem pemantauan polusi udara menggunakan sensor MQ. dan menganalisis
akurasi pengukuran sensor MQ.Manfaat Penelitian mengembangkan teknologi pemantauan polusi udara
yang efektif dan efisien.Hasil penelitian ini adalah perbandingan prediksi untuk menentukan hasil
Normal situation, Preparing meals, Presence of smoke, dan Cleaning dengan metode K Nearest
Neighbors, Decision Tree dan Random Forest menunjukkan nilai F1-Score K Nearest Neighbors lebih
baik dari Decision Tree dan Random Forest yaitu 0.941 sampai 0.981.
Kata Kunci: K-NN, Decision Tree, Random Forest, sensor MQ