Ramadhan, Achmad Zhafran Hilmy and Bayu Rahayudi, S.T., M.M. and Dr. Ir. Dian Eka Ratnawati, S.Si., M.Kom (2024) Prediksi Polusi Udara di DKI Jakarta dengan Menggunakan Metode Long-Short Term Memory (LSTM). Sarjana thesis, Universitas Brawijaya.
Abstract
Udara merupakan salah satu kebutuhan manusia mengandung oksigen (O2) yang dibutuhkan oleh tubuh manusia. Namun, kualitas udara di perkotaan sering kali berada di atas batas normal akibat dari polusi udara yang menjadi faktor risiko utama untuk berbagai penyakit yang menyebabkan kematian. Karena itu diperlukan upaya khusus untuk menjaga kualitas udara. Salah satu metode untuk mencegah polusi udara adalah dengan memprediksi polusi udara di masa depan dengan menggunakan data historis. Penelitian ini memanfaatkan teknologi artificial intelligence dengan menggunakan metode Long-Short Term Memory (LSTM) untuk melakukan prediksi polusi udara di DKI Jakarta menggunakan data dari tahun 2010-2022 dengan jumlah data sebanyak 4.728 data yang tersedia secara harian. Parameter polusi udara yang diprediksi meliputi PM10, SO2, CO, O3, dan NO2. Hasil penelitian ini menunjukkan bahwa model prediksi terbaik menggunakan LSTM dengan komposisi data training:data testing 11 tahun:1 tahun, jumlah hidden layer 1, jumlah epoch 200, jumlah hidden neuron 25, jumlah batch size 16, dan learning rate 0,1. Model LSTM berhasil mendapatkan nilai RMSE antara 9,55002134344871 dan 9,61049604442543 dari 5 kali pengujian, dengan rata-rata nilai RMSE dari seluruh pengujian adalah 9,572682542.
English Abstract
Air is one of the human needs containing oxygen (O2) needed by the human body. However, air quality in urban areas often exceeds normal limits due to air pollution, which is a major risk factor for various life-threatening diseases. Therefore, special efforts are required to maintain air quality. One method to prevent air pollution is to predict future air pollution using historical data. This research utilizes artificial intelligence technology with the Long-Short Term Memory (LSTM) method to predict air pollution in DKI Jakarta using data from 2010-2022 with a total of 4,728 daily data points. The air pollution parameters predicted include PM10, SO2, CO, O3, and NO2. The results of this study show that the best prediction model uses LSTM with the composition of training data: testing data 11 years: 1 year, number of hidden layers 1, number of epochs 200, number of hidden neurons 25, number of batch sizes 16, and learning rate 0.1. The LSTM model managed to achieved an RMSE value between 9,55002134344871 and 9,61049604442543 from 5 tests, with the average RMSE with the average RMSE value of all test being 9,572682542
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0524150314 |
| Uncontrolled Keywords: | polusi udara, prediksi, long-short term memory, root mean square error, Jakarta-air pollution, prediction, long-short term memory, root mean square error, Jakarta |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 26 Nov 2024 06:35 |
| Last Modified: | 26 Nov 2024 06:35 |
| URI: | http://repository.ub.ac.id/id/eprint/229207 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Achmad Zhafran Hilmy Ramadhan.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
 |
View Item |