Clustering Polusi Udara Berdasarkan Faktor Meteorologi Berbasis Principal Component Analysis

Abstrak

Syariefatussholehah Maimuna 2026. Clustering Polusi Udara Berdasarkan Faktor Meteorologi Berbasis Principal Component Analysis. Tesis. Program Study Magister Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang. Pembimbing (1) Dr. Agung Teguh Wibowo Almais, S.kom., M.T Pembimbing (II) Dr. M. Imamudin Lc, MA
Kata kunci: Polusi Udara, PM2.5, Principal Component Analysis, Clustering, Faktor Meteorologi, Kota Malang.
Polusi udara merupakan salah satu permasalahan lingkungan yang dipengaruhi oleh berbagai faktor meteorologi, seperti suhu udara, kelembapan udara, curah hujan, penyinaran matahari, dan kecepatan angin. Interaksi antara faktor-faktor tersebut dapat memengaruhi variasi konsentrasi PM2.5 sehingga diperlukan pendekatan analisis untuk mengidentifikasi pola kondisi kualitas udara. Penelitian ini bertujuan mengidentifikasi pola kondisi polusi udara berdasarkan faktor meteorologi menggunakan pendekatan PCA-Clustering. Data yang digunakan berupa data harian PM2.5 dan parameter meteorologi yang diperoleh dari BMKG Kota Malang selama tahun 2024. Tahapan penelitian meliputi praproses data menggunakan StandardScaler, reduksi dimensi menggunakan Principal Component Analysis (PCA), serta pelabelan data berdasarkan distribusi nilai komponen utama pertama (PC1). Hasil PCA menunjukkan bahwa dua komponen utama pertama (PC1 dan PC2) mampu menjelaskan 67.15% variasi total data. Hasil PCA-Clustering mengidentifikasi dua kelompok kondisi kualitas udara, yaitu kondisi normal sebanyak 357 data dan kondisi ekstrem sebanyak 9 data. Evaluasi menggunakan silhouette score menghasilkan nilai sebesar 0.87 yang menunjukkan bahwa kelompok yang terbentuk memiliki tingkat kekompakan dan keterpisahan yang sangat baik. Hasil perbandingan dengan metode K-Means menunjukkan bahwa PCA-Clustering menghasilkan kualitas pengelompokan yang lebih baik dengan nilai silhouette score sebesar 0.87 dibandingkan K-Means sebesar 0.47. Hasil penelitian menunjukkan bahwa pendekatan PCA-Clustering efektif dalam mengidentifikasi pola kondisi kualitas udara berdasarkan faktor meteorologi dan dapat dimanfaatkan sebagai informasi pendukung dalam kegiatan pemantauan kualitas udara di Kota Malang.

Abstract

Syariefatussholehah Maimuna. 2026. Air Pollution Clustering Based on Meteorological Factors Using Principal Component Analysis. Thesis. Master of Informatics Program, Faculty of Science and Technology, Universitas Islam Negeri Maulana Malik Ibrahim Malang. Supervisors: (I) Dr. Agung Teguh Wibowo Almais, S.Kom., M.T.; (II) Dr. M. Imamudin, Lc., M.A.
Air pollution is a significant environmental issue influenced by various meteorological factors, including air temperature, humidity, rainfall, sunshine duration, and wind speed. The interactions among these factors may affect variations in PM2.5 concentrations, necessitating an analytical approach to identify air quality condition patterns. This study aims to identify air pollution condition patterns based on meteorological factors using a PCA-Clustering approach. The dataset consisted of daily PM2.5 measurements and meteorological parameters obtained from the Meteorology, Climatology, and Geophysics Agency (BMKG) in Malang City during 2024. The research procedure involved data preprocessing using StandardScaler, dimensionality reduction through Principal Component Analysis (PCA), and data labeling based on the distribution of the first principal component (PC1) values. The PCA results revealed that the first two principal components (PC1 and PC2) accounted for 67.15% of the total data variance. The PCA-Clustering approach identified two air quality condition groups, namely a normal condition group comprising 357 observations and an extreme condition group comprising 9 observations. Cluster evaluation using the Silhouette Score yielded a value of 0.87, indicating excellent cluster cohesion and separation. Furthermore, a comparison with the K-Means algorithm demonstrated that PCA-Clustering achieved superior clustering performance, with a silhouette score of 0.87 compared to 0.47 for K-Means. The findings indicate that the PCA-Clustering approach is effective in identifying air quality condition patterns based on meteorological factors and can serve as supporting information for air quality monitoring activities in Malang City.
Keywords: Air Pollution, PM2.5, Principal Component Analysis, Clustering, Meteorological Factors, Malang City.

الملخص

شريفة الصالحة ميمونة، 2026. تجمع تلوث الهواء بناء على عوامل الأرصاد الجوية بناء على تحليل المكونات الرئيسية. رسالة جامعية، برنامج ماجستير المعلوماتية، كلية العلوم والتكنولوجيا، جامعة مولانا مالك إبراهيم الإسلامية، مالانغ. المشرف (I) الدكتور أغونغ تيغوه ويبوو ألميس، S.Kom.، M.T.، المشرف (II) الدكتور محمد إمام الدين، ماجستير.
الكلمات المفتاحية: تلوث الهواء، PM2.5، تحليل المكونات الرئيسية، التجمع، العوامل الجوية في مدينة مالانغ.
تلوث الهواء هو أحد المشكلات البيئية التي تتأثر بعوامل جوية مختلفة، مثل درجة حرارة الهواء، والرطوبة، والأمطار، والإشعاع الشمسي، وسرعة الرياح. يمكن أن يؤثر التفاعل بين هذه العوامل على التغيرات في تركيزات PM 2.5، لذا هناك حاجة إلى نهج تحليلي لتحديد أنماط ظروف جودة الهواء. تهدف هذه الدراسة إلى تحديد نمط ظروف تلوث الهواء بناء على عوامل الأرصاد الجوية باستخدام نهج PCA-Clustering. البيانات المستخدمة هي بيانات PM2.5 اليومية والمعايير الجوية التي تم الحصول عليها من BMKG مدينة مالانج خلال عام 2024. تشمل مراحل البحث معالجة البيانات مسبقا باستخدام StandardScaler، وتقليل الأبعاد باستخدام تحليل المكونات الرئيسية (PCA)، وتصنيف البيانات بناء على توزيع قيمة المكون الرئيسي الأول (PC1). تظهر نتائج PCA أن المكونين الرئيسيين الأولين (PC1 وPC2) قادران على تفسير 67.15٪ من إجمالي تباين البيانات. حددت نتائج تجميع PCA مجموعتين من ظروف جودة الهواء، وهما الظروف الطبيعية التي تصل إلى 357 بيانة، والظروف القصوى التي تصل إلى 9 بيانات. أظهر التقييم باستخدام درجة الظل قيمة 0.87 أظهرت أن المجموعة التي تشكلت تتمتع بمستوى ممتاز من التماسك والفصل. أظهرت نتائج المقارنة مع طريقة K-Means أن تجميع PCA أنتج جودة تجميع أفضل بدرجة ظلال 0.87 مقارنة بمتوسط K 0.47. تظهر نتائج الدراسة أن نهج PCA-التجميع فعال في تحديد أنماط ظروف جودة الهواء بناء على العوامل الجوية ويمكن استخدامه كمعلومات داعمة في أنشطة مراقبة جودة الهواء في مدينة مالانغ.