PREDIKSI INDEKS STANDAR PENCEMAR UDARA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY BERBASIS WEB (STUDI KASUS PADA KOTA JAKARTA)

BENNY KHALID HIDAYATULLAH

Informasi Umum

Kode

22.04.747

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

5 kali

Informasi Lainnya

Abstraksi

Udara adalah unsur yang dibutuhkan seluruh makhluk hidup di seluruh dunia. Udara yang selama dibutuhkan belum tentu digunakan sebagaimana mestinya, termasuk terkena pencemaran zat-zat yang merusak unsur udara itu sendiri. Zat-zat ini dihasilkan dari pola hidup manusia yang tidak sadar akan bahayanya seperti industri, kendaraan bermotor bahkan merokok. Prediksi dilakukan pada penelitian ini menggunakan long short-term memory dengan menggunakan data indeks standar pencemaran udara (ISPU) yang didapatkan dari portal website Jakarta Open Data yang didistribusikan oleh Dinas Lingkungan Hidup DKI Jakarta dengan 5 parameter zat yang diprediksikan. Dengan adanya prediksi ISPU membuat masyarakat dapat mengetahui dan antisipasi lebih awal akan pencemaran udara. Metode long short-term memory digunakan karena metode tersebut menghasilkan prediksi angka sangat baik untuk data time series. prediksi yang telah dilakukan lalu diimplementasikan ke dalam website menggunakan kerangka Flask. Penelitian ini menggunakan 5 parameter zat yang terdapat dalam ISPU sehingga mendapatkan hasil pengujian berbeda di setiap parameter zat. Hasil pengujian partisi data tiap zat adalah PM10 80% data latih 20% data uji, SO2 50% data latih 50% data uji, CO 80% data latih 20% data uji, O3 80% data latih 20% data uji, dan NO2 50% data latih 50% data uji. Dari hasil pengujian partisi data ditemukan pemodelan terbaik dari PM10 dengan epoch = 100, hidden layer = 1, neuron = 128, optimizer = Rmsprop, RMSE sebesar 0.007237, SO2 dengan epoch = 50, hidden layer = 1, neuron = 64, optimizer = Adamax, RMSE sebesar 0.05841, CO dengan epoch = 100, hidden layer = 1, neuron = 64, optimizer = Adamax, RMSE sebesar 0.05474, O3 dengan epoch = 50, hidden layer = 1, neuron = 64, optimizer = Adam, RMSE sebesar 0.04465, dan NO2 dengan epoch = 50, hidden layer = 1, neuron = 64, optimizer = Adam, RMSE sebesar 0.0431. berdasarkan usability testing yang telah dilakukan, website yang dirancang dapat membantu dalam memprediksikan ISPU dengan persentase kuesioner usability testing sebesar 80.7%.