PREDIKSI KUALITAS UDARA DI JAKARTA MENGGUNAKAN ALGORITMA LONG SHORT TERM MEMORY (LSTM)
Kualitas udara di Jakarta terus memburuk akibat meningkatnya jumlah kendaraan bermotor dan aktivitas industri, yang berdampak pada kesehatan masyarakat. Penelitian ini bertujuan untuk memprediksi kualitas udara di Jakarta menggunakan algoritma Long Short-Term Memory (LSTM), yang dapat memproses data deret waktu. Dataset yang digunakan diperoleh dari API openweathermap.org dan mencakup data kualitas udara per jam selama periode 25 November 2020 hingga 25 Juli 2024. Model LSTM yang dikembangkan diuji dengan berbagai variasi hyperparameter, termasuk jumlah unit, dropout rate, dan timestep. Hasil penelitian menunjukkan bahwa model LSTM dengan 128 unit, dropout 0.2, dan timestep 24 memberikan performa terbaik dengan nilai Root Mean Square Error (RMSE) sebesar 0.020 dan Mean Absolute Error (MAE) sebesar 0.010. Model ini mampu menangkap pola fluktuasi kualitas udara secara akurat, meskipun masih mengalami kesulitan dalam memprediksi lonjakan ekstrem. Prediksi kualitas udara untuk periode mendatang menunjukkan kecenderungan peningkatan polusi di beberapa waktu tertentu, yang dapat menjadi acuan dalam perencanaan kebijakan mitigasi polusi udara di Jakarta.
URI
https://repository.itera.ac.id/depan/submission/SB2506160041
Keyword
Kualitas Udara Polusi Jakarta Prediksi Long Short Term Memory LSTM