Prediksi Rata-Rata Zat Berbahaya Di Dki Jakarta Berdasarkan Indeks Standar Pencemar Udara Menggunakan Metode Long Short-Term Memory

Abstract

Indonesia menempati peringkat ke-6 dari 98 negara paling berpolusi di dunia pada tahun 2019. Di tahun tersebut, rata-rata AQI (Air Quality Index) sebesar 141 dan rata-rata konsentrasi PM2.5 sebesar 51.71 μg/m3 yang lima kali lipat diatas rekomendasi World Health Organization (WHO). Salah satu kota penyumbang polusi udara yaitu Jakarta. Berdasarkan data ISPU (Indeks Standar Pencemar Udara) yang diambil dari SPKU (Stasiun Pemantau Kualitas Udara) Dinas Lingkungan Hidup DKI Jakarta melampirkan pada tahun 2019, Jakarta memiliki kualitas udara sangat tidak sehat. Oleh karena itu perlu adanya model Artificial Intelligence dalam memperdiksi rata-rata tingkat zat berbahaya pada udara di DKI Jakarta. Salah satu algoritma yang dapat diterapkan dalam membuat model prediksi dengan menggunakan data timeseries adalah Long Short-Term Memory (LSTM). Tujuan dari penelitian ini membangun model prediksi rata-rata ISPU di DKI Jakarta menggunakan metode LSTM yang berguna bagi para pemangku kepentingan dibidang lingkungan hidup khususnya mengenai polusi udara. Penelitian mengenai prediksi rata-rata ISPU di DKI Jakarta menggunakan metode LSTM, menghasilkan nilai evaluasi MAPE 12.28%. Berdasarkan hasil evaluasi MAPE yang diperoleh, model LSTM yang digunakan untuk prediksi rata-rata ISPU di DKI Jakarta masuk kedalam kategori akurat.

CO and PM10 Prediction Model based on Air Quality Index Considering Meteorological Factors in DKI Jakarta using LSTM

“…Several previous studies have been conducted to predict air quality. The study [7] has conducted research related to air quality predictions. It predicts the average number of hazardous substances in DKI Jakarta based on the air pollutant standard index using the Long Short-Term Memory (LSTM) method.…”

Penerapan Algoritma Long Short-Term Memory untuk Prediksi Produksi Kelapa Sawit

“…Kelemahan utama Algoritma RNN yang diatasi oleh LSTM adalah dalam hal memproses data time series jangka Panjang. Metode LSTM telah sukses digunakan pada banyak kasus prediksi, Contohnya adalah prediksi: harga beras tingkat grosir [14], harga bitcoin [15], harga saham [16][17], jumlah penjualan produk [18], parameter cuaca [19], belanja pemerintah Indonesia [20], dan rata-rata zat berbahaya di DKI Jakarta berdasarkan indeks standar pencemar udara [21].…”