PENGEMBANGAN MODEL PREDIKSI EMISI KARBON DIOKSIDA (CO?) DAN REKOMENDASI KENDARAAN RENDAH EMISI DENGAN RANDOM FOREST REGRESSION DAN CONTENT-BASED FILTERING

Pesatnya pertumbuhan transportasi modern menyebabkan peningkatan emisi karbon dioksida (CO2) yang berdampak pada penurunan kualitas udara dan perubahan iklim. Oleh karena itu, diperlukan solusi yang dapat membantu mengidentifikasi tingkat emisi kendaraan sekaligus memberikan rekomendasi kendaraan alternatif yang lebih ramah lingkungan. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu memprediksi emisi kendaraan secara akurat serta merekomendasikan kendaraan alternatif dengan emisi lebih rendah berdasarkan spesifikasi kendaraan. Penelitian ini diawali dengan pengumpulan data menggunakan dataset kendaraan dari Kaggle mencakup 833 data kendaraan, yang dilanjutkan dengan tahap preprocessing data digunakan untuk mengubah data kategorikal menjadi numerik. Selanjutnya, dibangun model prediksi emisi kendaraan dengan menggunakan algoritma random forest regression. Kemudian, metode content-based filtering digunakan untuk merekomendasikan kendaraan serupa yang memiliki emisi lebih rendah berdasarkan tingkat kemiripan data. Kedua pendekatan tersebut kemudian diintegrasikan ke dalam sistem prediksi emisi dan rekomendasi kendaraan dengan emisi lebih rendah.Hasil penelitian menunjukkan bahwa model prediksi mampu mencapai kinerja yang sangat baik pada konfigurasi 100 tree, dengan nilai R2 sebesar 0.9973 dan RMSE sebesar 2.9983. Penelitian ini menemukan bahwa konsumsi bahan bakar (fuel consumption) merupakan faktor paling dominan yang mempengaruhi jumlah emisi yang dihasilkan. Sistem yang dikembangkan juga mampu merekomendasikan kendaraan alternatif dengan emisi lebih rendah berdasarkan karakteristik kendaraan yang dipilih pengguna. Dengan demikian, integrasi kedua metode ini efektif dalam membantu masyarakat memperoleh informasi emisi kendaraan serta memberikan alternatif kendaraan ramah lingkungan, dan berpotensi untuk dikembangkan lebih lanjut menggunakan dataset yang lebih luas.Link Publish Jurnal:https://ejournal.itn.ac.id/index.php/jati/article/view/18852