Perbandingan Model Decision Tree, Support Vector Machine (SVM), dan Random Forest dalam Prediksi Tingkat Kenyamanan Termal Berdasarkan Nilai Humidex
Situmorang, Gibran Boy Gito (2025) Perbandingan Model Decision Tree, Support Vector Machine (SVM), dan Random Forest dalam Prediksi Tingkat Kenyamanan Termal Berdasarkan Nilai Humidex. Skripsi thesis, Universitas Tanjungpura.
|
PDF (Cover-Bab1)
Cover-Bab1_H1021201017.pdf - Published Version Download (564kB) |
|
|
PDF (H1021201017_GIBRAN_BOY_GITO_SITUMORANG)
H1021201017_GIBRAN_BOY_GITO_SITUMORANG.pdf - Accepted Version Restricted to Repository staff only Download (1MB) |
Abstract
Kenyamanan termal adalah keadaan suhu dan kelembapan lingkungan yang ideal dan penting bagi manusia, sehingga memungkinkan mereka menjalankan aktivitasnya dengan baik. Salah satu indeks yang dapat digunakan untuk menggambarkan dampak suhu dan kelembapan udara terhadap kenyamanan manusia adalah humidex. Pada penelitian ini, nilai humidex dan tingkat kenyamanan termal diklasifikasikan menggunakan model machine learning. Tiga algoritma machine learning yang diuji untuk mendapatkan model terbaik adalah Decision Tree, Support Vector Machine (SVM), dan Random Forest. Hasil penelitian menunjukkan bahwa model SVM unggul dengan accuracy 100%, Cohen’s kappa 100%, serta nilai precision, recall, dan f1-score hampir sempurna pada semua kelas. Model Random Forest juga menunjukkan performa luar biasa dengan accuracy 99, 98%, Cohen’s kappa 99, 97%, dan metrik precision, recall, serta f1-score yang sangat stabil. Sementara itu, model Decision Tree memiliki accuracy 98, 05% dan cohen’s kappa 96, 78%, dengan ketidakseimbangan performa antar kelas, terutama terlihat dari nilai precision dan f1-score yang lebih rendah pada kelas H1 dan H5. Berdasarkan hasil tersebut, algoritma SVM terbukti memiliki performa paling optimal dan direkomendasikan sebagai model terbaik dalam mengklasifikasikan nilai Humidex dan tingkat kenyamanan termal pada penelitian ini. Hasil penelitian ini dapat dimanfaatkan oleh pemakai kepentingan untuk memprediksi tingkat kenyamanan termal di Pontianak dan dapat juga diaplikasikan di wilayah lain yang memiliki kemiripan karakteristik cuaca.
| Item Type: | Thesis (Skripsi) | ||||||
|---|---|---|---|---|---|---|---|
| Creators: |
|
||||||
| Subjects: | 500 – Ilmu Pengetahuan > 510 Matematika > 511 Prinsip-prinsip umum matematika | ||||||
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Fisika S1 | ||||||
| SWORD Depositor: | Sri Yulihartini | ||||||
| Depositing User: | Sri Yulihartini | ||||||
| Date Deposited: | 24 Jul 2026 03:24 | ||||||
| Last Modified: | 24 Jul 2026 03:24 | ||||||
| URI: | https://repository.untan.ac.id/id/eprint/6582 |
Actions (login required)
![]() |
View Item |
