Pemetaan Zona Kualitas Udara di Provinsi Sumatera Utara Menggunakan Algoritma K-Means Berbasis Data CAMS
Keywords:
Kualitas udara, K-Means Clustering, CAMS, Polusi udara, Analisis spasial.Abstract
Kualitas udara merupakan indikator penting dalam menilai kondisi lingkungan dan dampaknya terhadap kesehatan masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kualitas udara di Provinsi Sumatera Utara menggunakan pendekatan data mining berbasis algoritma K-Means Clustering. Data yang digunakan berasal dari layanan Copernicus Atmosphere Monitoring Service (CAMS) dalam format NetCDF dengan parameter utama PM2.5, PM10, CO, NO₂, dan SO₂ selama periode Januari 2026. Tahapan penelitian meliputi pra-pemrosesan data melalui rata-rata spasial, agregasi temporal, konversi satuan, normalisasi Min-Max, serta ekstraksi nilai maksimum harian. Penentuan jumlah klaster optimal dilakukan menggunakan metode Elbow yang menghasilkan tiga klaster sebagai representasi zona kualitas udara. Hasil penelitian menunjukkan bahwa wilayah penelitian terbagi menjadi tiga kategori, yaitu zona rendah, sedang, dan tinggi dengan karakteristik polutan yang berbeda. Zona tinggi didominasi oleh konsentrasi gas buang di wilayah pesisir timur, zona sedang menunjukkan tingginya partikulat di wilayah dataran tinggi, sedangkan zona rendah tersebar di wilayah pedalaman dengan tingkat polusi relatif rendah. Visualisasi spasial memperlihatkan pola distribusi polutan yang berkorelasi dengan aktivitas manusia dan kondisi geografis. Penelitian ini memberikan kontribusi dalam penyediaan informasi kualitas udara berbasis data spasial yang dapat mendukung pengambilan kebijakan lingkungan secara lebih tepat sasaran.
Downloads
References
1] R. A. Pratama and S. Wibowo, “Penerapan Algoritma K-Means untuk Klasterisasi Indeks Standar Pencemar Udara (ISPU) di Wilayah Metropolitan,” Jurnal Ilmu Komputer dan Informatika, vol. 12, no. 2, pp. 145–156, 2023.
[2] D. Rahmawati and B. Santoso, “Pemanfaatan Penginderaan Jauh Satelit untuk Pemantauan Polutan PM2.5 dan Emisi Karbon di Indonesia,” Jurnal Pengelolaan Lingkungan Berkelanjutan, vol. 8, no. 1, pp. 33–47, 2024.
[3] K. Khairunnisa and M. Afif, “Analisis Konsentrasi Particulate Matter (PM10 dan PM2.5) di Wilayah Perkotaan Medan,” Jurnal Teknik Lingkungan, vol. 7, no. 1, pp. 45–52, 2021.
[4] M. Sitorus and H. Simanjuntak, “Analisis Spasial Sebaran Gas Karbon Monoksida (CO) Akibat Aktivitas Transportasi Darat,” Jurnal Sains dan Teknologi, vol. 11, no. 3, pp. 210–218, 2022.
[5] A. S. Ginting and T. Karo-Karo, “Kajian Paparan Debu dan Partikel Atmosfer di Kawasan Dataran Tinggi Sumatera Utara,” Jurnal Meteorologi dan Geofisika, vol. 22, no. 2, pp. 89–101, 2021.
[6] T. Hidayat and A. Saputra, “Implementasi Data Mining Menggunakan K-Means Clustering untuk Pemetaan Kualitas Udara,” Jurnal Informatika dan Sistem Informasi, vol. 4, no. 1, pp. 12–23, 2023.
[7] D. Santoso and K. Wijaya, “Evaluasi Kualitas Udara Ambien Berdasarkan Parameter Gas NO₂ dan SO₂ di Kawasan Industri,” Jurnal Rekayasa Lingkungan, vol. 15, no. 2, pp. 134–142, 2022.
[8] P. Lestari and N. Fitriani, “Studi Perbandingan Kualitas Udara Antara Wilayah Urban dan Rural Menggunakan Pemetaan Spasial,” Jurnal Geografi dan Lingkungan, vol. 10, no. 1, pp. 56–68, 2024.
[9] A. Putra dan D. Wibowo, “Penerapan K-Means Clustering untuk Analisis Kualitas Udara di Indonesia,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 2, pp. 123–130, 2021.
[10] S. Mishra, P. Sahu, and R. Kumar, “Air Quality Analysis Using K-Means Clustering Approach,” International Journal of Advanced Computer Science and Applications, vol. 10, no. 5, pp. 234–240, 2019.
[11] B. Santoso dan R. Nugroho, “Analisis Data Lingkungan Menggunakan Metode Clustering,” Jurnal Sains Data Indonesia, vol. 5, no. 1, pp. 45–53, 2022.
[12] J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. San Francisco, CA, USA: Morgan Kaufmann, 2011.
[13] F. Pedregosa et al., “Scikit-learn: Machine Learning in Python,” Journal of Machine Learning Research, vol. 12, pp. 2825–2830, 2011.
[14] J. Flemming et al., “The CAMS interim reanalysis of carbon monoxide, ozone and nitrogen dioxide for 2003–2015,” Atmospheric Chemistry and Physics, vol. 15, no. 4, pp. 1995–2017, 2015.
[15] J. MacQueen, “Some methods for classification and analysis of multivariate observations,” in Proc. Fifth Berkeley Symp. Mathematical Statistics and Probability, vol. 1, pp. 281–297, 1967.
[16] A. Inness et al., “The CAMS reanalysis of atmospheric composition,” Atmospheric Chemistry and Physics, vol. 19, no. 6, pp. 3515–3556, 2019.
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Callysa Elistia, Chelsea Febiola br Sebayang, Muhammad Rois Lukman Damanik
This work is licensed under a Creative Commons Attribution 4.0 International License.
