Implementasi CRISP-DM Untuk Analisis Kualitas Udara Dengan Metode Gradient Boosting (Studi Kasus : Provinsi DKI Jakarta)

Kualitas udara merupakan isu penting di Jakarta yang mengalami polusi tinggi akibat aktivitas kendaraan dan industri. Penelitian ini bertujuan untuk mengklasifikasikan kualitas udara secara akurat dengan mengimplementasikan algoritma Gradient Boosting dalam kerangka kerja CRISP-DM (Cross Industry Standard Process for Data Mining), yang terdiri dari enam tahapan utama, yaitu business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang digunakan merupakan data dari Dinas Lingkungan Hidup Provinsi DKI Jakarta yang diperoleh melalui Open Data Jakarta, dengan periode waktu 2010 hingga 2021 sebanyak 21.915 data. Parameter utama yang digunakan dalam penelitian ini meliputi lima fitur pencemar udara, yaitu PM₁₀, SO₂, CO, O₃, dan NO₂. Tahap preprocessing melibatkan proses data cleaning, transformasi data, serta penyeimbangan kelas menggunakan teknik undersampling untuk mengatasi ketidakseimbangan distribusi kelas. Berdasarkan analisis feature importance, fitur PM₁₀, SO₂, CO, O₃, dan NO₂ memiliki kontribusi terhadap hasil klasifikasi, dengan O₃ (ozon) sebagai fitur yang paling berpengaruh. Hasil evaluasi menunjukkan bahwa akurasi model mengalami peningkatan sebesar 0,25% setelah dilakukan balancing, dari 96,87% menjadi 97,11%. Proses optimasi model dilakukan menggunakan Grid Search untuk menemukan kombinasi hyperparameter terbaik. Evaluasi akhir menggunakan confusion matrix serta metrik akurasi, presisi, recall, dan F1-score menunjukkan bahwa algoritma Gradient Boosting mampu melakukan klasifikasi kualitas udara secara akurat dan efektif, dengan akurasi tertinggi mencapai 97,25%.