Peramalan Kualitas Udara di Kota Jakarta Pusat dengan Metode Long Short-Term Memory dan Support-Vector Regression

  • Mohammad Ernico Suryo Wicaksono Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana
  • Gusti Made Arya Sasmita Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana
  • I Putu Agus Eka Pratama Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana

Abstract

Kualitas udara merupakan masalah serius di kota-kota besar di seluruh dunia, karena memiliki dampak yang signifikan terhadap kesehatan masyarakat dan lingkungan. Penelitian ini membahas mengenai peramalan kualitas udara di Kota Jakarta Pusat menggunakan Metode Long Short-Term Memory (LSTM) dan Support-Vector Regression (SVR). Tujuan dari penelitian ini untuk membantu para pembuat kebijakan dalam membuat keputusan tentang pengelolaan dan penanggulangan kualitas udara serta dalam mengambil tindakan yang sesuai ke depannya untuk melindungi kesehatan masyarakat dan lingkungan. Parameter yang diramalkan dengan Metode LSTM dan SVR adalah nilai konsentrasi polutan Particulate Matter 10 (PM10), Sulfur Dioksida (SO2), Karbon Monoksida (CO), Ozon Permukaan (O3), dan Nitrogen Dioksida (NO2) dengan evaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Root-Mean-Square Error (RMSE). Hasil yang didapat dari Metode LSTM adalah rata-rata nilai MAPE sebesar 12,15% dan rata-rata nilai RMSE sebesar 0,0941, sedangkan Metode SVR memiliki hasil rata-rata nilai MAPE sebesar 16,19% dan rata-rata nilai RMSE sebesar 0,1666.

Published
2023-01-17
How to Cite
WICAKSONO, Mohammad Ernico Suryo; ARYA SASMITA, Gusti Made; EKA PRATAMA, I Putu Agus. Peramalan Kualitas Udara di Kota Jakarta Pusat dengan Metode Long Short-Term Memory dan Support-Vector Regression. JITTER : Jurnal Ilmiah Teknologi dan Komputer, [S.l.], v. 4, n. 1, p. 1576-1588, jan. 2023. ISSN 2747-1233. Available at: <https://ojs.unud.ac.id/index.php/jitter/article/view/96886>. Date accessed: 28 mar. 2024. doi: https://doi.org/10.24843/JTRTI.2023.v04.i01.p03.

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.