Komparasi Algoritma K-Means dan DBSCAN dalam Klasterisasi Kualitas Udara di Wilayah Jabodetabek Berdasarkan Indeks Standar Pencemar Udara

Abstrak

Kualitas udara merupakan isu lingkungan yang krusial karena berdampak langsung terhadap kesehatan masyarakat dan keberlanjutan lingkungan perkotaan. Wilayah Jabodetabek sebagai pusat aktivitas ekonomi dan mobilitas penduduk menghadapi tingkat pencemaran udara yang tinggi, namun pemahaman terhadap pola kualitas udara secara menyeluruh masih terbatas akibat kompleksitas data dan variasi parameter pencemar. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma clustering dalam mengelompokkan tingkat kualitas udara berdasarkan data Indeks Standar Pencemar Udara (ISPU) di wilayah Jabodetabek. Metode yang digunakan adalah K-Means dan DBSCAN dengan enam parameter masukan, yaitu PM2.5, PM10, SO₂, NO₂, O₃, dan CO, yang melalui tahapan pra-pemrosesan data, proses clustering, serta evaluasi menggunakan Silhouette Score dan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa K-Means dengan tiga klaster menghasilkan kinerja terbaik dengan nilai Silhouette Score sebesar 0,324 dan DBI sebesar 1,142, sedangkan DBSCAN memperoleh Silhouette Score sebesar 0,013 dan DBI sebesar 1,240. Temuan ini mengindikasikan bahwa K-Means lebih efektif dalam membentuk pengelompokan pola kualitas udara yang kohesif dan dapat dimanfaatkan sebagai dasar pengambilan keputusan dalam pemantauan serta pengendalian kualitas lingkungan udara perkotaan