Penerapan K – Means Clustering dalam Analisis Kualitas Udara Jakarta

Abstract

Pencemaran udara adalah isu lingkungan yang serius yang berdampak pada kesehatan manusia secara global, terutama di kota-kota besar padat penduduk dan industri seperti Jakarta. Kenaikan tingkat polutan udara mengakibatkan berbagai penyakit pernapasan dan isu kesehatan lainnya, sehingga menjadi penyebab morbiditas dan mortalitas yang penting. Untuk mendukung pemantauan dan evaluasi yang efisien, penelitian ini menggunakan metode pengelompokan K-Means untuk menganalisis serta mengkategorikan data kualitas udara di Jakarta. Data kualitas udara, mencakup parameter seperti partikel materi (PM), karbon monoksida (CO), ozon (O_3), nitrogen dioksida (NO_2), dan sulfur dioksida (SO_2), diperoleh dari stasiun pengawas di Jakarta. Proses clustering K-Means digunakan untuk menganalisis pola sebaran polutan dan mengategorikan wilayah berdasarkan tingkat polusi. Proses yang dilakukan meliputi pra-pemrosesan data, penentuan jumlah kluster optimal dengan metode elbow, dan validasi kluster menggunakan Davies-Bouldin Index (DBI). Pelaksanaan analisis dengan pemrograman Python, mencakup standardisasi data serta penerapan Principal Component Analysis (PCA) untuk tujuan visualisasi. Analisis menunjukkan bahwa metode K-Means efektif dalam mengklasifikasikan data kualitas udara ke dalam kelompok-kelompok yang mencerminkan tingkat polusi yang berbeda, memberikan informasi berharga untuk perencanaan kota dan kebijakan pengurangan dampak.