Identifikasi Paparan Radiasi X-Ray Untuk Keselamatan Radiasi Menggunakan Random Forest Classification

Abstract

Tingkat keamanan paparan X-Ray sangat penting karena mempunyai dampak jangka pendek dan jangka panjang yang sangat mempengaruhi kesehatan pekerja radiasi dan lingkungan sekitarnya. Pengukuran tingkat keamanan radiasi X-Ray pada umumnya dilakukan dengan cara konvensional, yaitu mengidentifikasi secara manual data nilai paparan radiasi bagi pekerja dan lingkungan sekitar dari survey meter, kemudian dijumlahkan secara berkala. Namun hal ini berpotensi menimbulkan kesalahan dalam penambahan sehingga metode menghasilkan data yang kurang akurat. Penelitian ini bertujuan untuk mengetahui dosis paparan radiasi X-Ray menggunakan Random Forest Classification. Data radiasi yang diolah merupakan nilai dosis pengukuran paparan X-Ray dengan menggunakan survey meter digital (dalam µSv/h) sebanyak 160 data set dan terdiri dari 87 dosis aman dan 73 dosis tidak aman. Data diklasifikasikan menurut aturan nilai batas dosis International Atomic Energy Agency (IAEA). Kinerja Random Forest Classification dievaluasi dengan Naïve Bayes dan K-Nearest Neighbor (KNN). Hasil penelitian menunjukkan nilai akurasi Random Forest Classification sebesar 90%, nilai akurasi Naïve Bayes sebesar 85%, dan nilai akurasi KNN sebesar 86%. Oleh karena itu, nilai kinerja dari Random Forest Classification sebesar 97% diambil sebagai hasil terbaik. Sebagai rangkuman penelitian ini, Random Forest Classification berkinerja lebih baik dibandingkan Naïve Bayes dan K-Nearest Neighbor (KNN) lainnya dalam mengidentifikasi tingkat keamanan paparan radiasi X-Ray yang terbukti secara optimal berdasarkan parameter yang diterapkan.