PENGEMBANGAN MODEL PREDIKSI EMISI KARBON DIOKSIDA (CO2) DAN REKOMENDASI KENDARAAN RENDAH EMISI DENGAN RANDOM FOREST REGRESSION DAN CONTENT-BASED FILTERING

Abstract

Pesatnya pertumbuhan transportasi modern menyebabkan peningkatan emisi karbon dioksida (CO₂) yang berdampak signifikan pada penurunan kualitas udara dan perubahan iklim. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu memprediksi emisi kendaraan secara akurat serta memberikan rekomendasi kendaraan alternatif dengan emisi lebih rendah berdasarkan spesifikasi kendaraan. Dataset yang digunakan berasal dari platform Kaggle mencakup 833 data kendaraan. Tahapan penelitian meliputi preprocessing data dengan mengubah data kategorikal menjadi numerik, kemudian menerapkan algoritma random forest regression untuk memodelkan prediksi emisi kendaraan. Selain itu, metode content-based filtering digunakan untuk merekomendasikan kendaraan serupa yang memiliki emisi lebih rendah berdasarkan tingkat kemiripan data. Hasil pengujian menunjukkan bahwa model mampu menghasilkan prediksi dengan akurasi sangat tinggi pada konfigurasi 100 trees, dengan nilai R² sebesar 0.9973 dan RMSE sebesar 2.9983. Temuan penting dalam penelitian ini menunjukkan bahwa konsumsi bahan bakar (fuel consumption) merupakan fitur paling berpengaruh terhadap jumlah emisi yang dihasilkan. Dengan demikian, integrasi kedua metode ini dinilai efektif dalam mendukung upaya pengurangan emisi di sektor transportasi serta berpotensi untuk dikembangkan menggunakan dataset yang lebih luas dan beragam.