Visualisasi dari Klasterisasi dan Peramalan Kualitas Udara Kota Surabaya Menggunakan Metode Klasteriasi K-Means dan Peramalan Artificial Neural Network

Zulvima, Ervi Ritya (2017) Visualisasi dari Klasterisasi dan Peramalan Kualitas Udara Kota Surabaya Menggunakan Metode Klasteriasi K-Means dan Peramalan Artificial Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5213100002-Undergraduate_Theses.pdf
Restricted to Repository staff only

Download (10MB) | Request a copy

Abstract

Kualitas udara merupakan suatu hal serius yang perlu selalu dipantau mengingat dampak buruk berkepanjangan berpengaruh pada pemanasan global dan gangguan kesehatan terkait pernapasan. Indonesia adalah salah satu negara yang seringkali memiliki status kualitas udara yang buruk. Kota Surabaya adalah salah satu kota besar yang memerlukan pengawasan terkait kadar polutan udara. Badan Lingkungan Hidup Kota Surabaya adalah dinas yang memantau kualitas udara pada beberapa wilayah di Kota Surabaya. Penanganan reaktif seringkali telah dilakukan, namun penanganan antisipatif adalah hal yang lebih penting dilakukan untuk mencegah terjadinya dampak yang buruk yakni dengan mengetahui kelompok titik rawan polusi berdasarkan kondisi Surabaya dan prediksi kadar polutan udara di masa depan. Mengetaui titik rawan polusi dapat menggunakan teknik clustering untuk mengetahui klaster standar indeks yang tepat sesuai kondisi Kota Surabaya dan kemudian diketahui wilayah rawan polusi di Surabaya dengan algoritma K-means. Prediksi kualitas udara di masa yang akan datang dapat dilakukan melalui peramalan dan klasifikasi. Peramalan kualitas udara adalah salah satu cara efektif dalam melindungi kesehatan publik dan lingkungan dengan menyediakan peringatan dini melawan polusi udara. Masukan dari peramalan adalah menggunakan data histori kualitas udara Kota Surabaya yang dapat dianalisa menggunakan metode Backpropagation Neural Network. Setelah hasil peramalan terbentuk dilakukan pengklasifikasian kelas status polusi dengan metode Naive Bayes untuk memprediksi hasil peramalan ke depan memiliki status polusi seperti apa. Luaran dari penelitian ini menghasilkan klaster titik rawan polusi di Kota Surabaya, model peramalan ANN dan model klasifikasi Naive Bayes. Hasil clustering menunjukkan daerah paling rawan polusi pada tahun 2016 adalah wilayah stasiun pemantau udara wilayah Surabaya Selatan dimana menyesuaikan dengan indeks rentang kondisi Surabaya. Luaran dari peramalan ANN berupa model terbaik ANN dan hasil nilai peramalan kadar polutan untuk mengetahui kualitas di masa yang akan datang. Untuk hasil nilai MAPE dari model peramalan ANN terdiri dari 3 model yakni nilai MAPE wilayah Surabaya Pusat sebesar 24.6%, MAPE model wilayah Surabaya Timur sebesar 34.2%, dan MAPE wilayah Surabaya Timur senilai 27,4%. Luaran hasil peramalan dilakukan proses klasifikasi dengan metode Naive Bayes pada setiap unsur polutan yang memiliki akurasi model masing-masing yakni akurasi model CO sebesar 100%, akurasi model NO2 sebesar 99,4%, akurasi model O3 senilai 100%, akurasi model PM10 sebesar 99.1% dan akurasi model SO2 sebesar 99,1%. Hasil klasifikasi dari hasil peramalan menunjukkan bahwa status polusi wilayah Surabaya Timur dan Surabaya Selatan memiliki status polusi sangat tidak baik dengan presentase 100% pada tahun 2017. Sedangkan presentase status polusi sangat tidak baik pada wilayah Surabaya Pusat sebesar 80% dan sisanya memiliki status polusi sedang sebesar 19% serta status polusi tidak baik sebesar 1% pada tahun 2017. Kemudian pada penelitian tugas akhir ini juga dibuat sebuah visualisasi dashboard berbasis website agar perusahaan dapat dengan mudah membaca hasil analisis dalam bentuk grafik dan menggunakan model yang dihasilkan pada penelitian tugas akhir ini untuk meramalkan kadar polutan udara di periode selanjutnya. Penelitian tugas akhir ini diharapkan dapat menjadi salah satu elemen pendukung keputusan terkait penanganan antisipatif dalam mengatasi polusi udara yang buruk. ======================================================================================================================== Air quality is a serious matter that needs to be constantly monitored given the prolonged adverse effects of global warming and respiratory-related health problems. Indonesia is one country that often has poor air quality status. The city of Surabaya is one of the major cities that require surveillance related air pollutant levels. Surabaya City Environment Agency is a service that monitors air quality in some areas in Surabaya City. Reactive handling has often been done, but anticipatory treatment is more important to prevent the adverse effects of knowing pollution-prone clusters based on Surabaya conditions and predicted future air pollutant levels. To know the point of pollution prone can use clustering technique to know the correct standard index cluster according to Surabaya City condition and then known pollution prone area in Surabaya with K-means algorithm. Predicted air quality in the future can be done through forecasting and classification. Air quality forecasting is an effective way of protecting public health and the environment by providing early warning against air pollution. Input from forecasting is using Surabaya City air quality history data which can be analyzed using Backpropagation Neural Network method. After forecasting results are formed classification of pollution status class with Naive Bayes method to predict forecasting results to have a pollution status like what. The results of this study resulted in clusters of pollution prone points in Surabaya, ANN forecasting model and Naive Bayes classification model. The clustering result shows the most pollution-prone areas in 2016 is the area of the air station of the South Surabaya region which is in accordance with the index of Surabaya's condition range. Output from ANN forecasting is the best model of ANN and the result of forecasting value of pollutant to know the quality in the future. For MAPE value of ANN forecasting model consists of 3 models, namely MAPE Central Surabaya area of 24.6%, MAPE model of East Surabaya region of 34.2%, and MAPE East Surabaya area valued at 27.4%. The output of forecasting result is classification process using Naive Bayes method on each pollutant element which has the accuracy of each model that is accurate from 100% CO model, 99.2% NO2 model accuracy, 100% O3 model accuracy, PM10 model accuracy equal to 99.1% and SO2 model accuracy of 99.1%. The result of classification of forecasting result shows that the pollution status of East Surabaya and South Surabaya has very bad pollution status with 100% percentage in 2017. While the percentage of pollution status is very bad in Central Surabaya area 80% and the rest have medium pollution status 19% and bad pollution status of 1% by 2017. Then in this final project research also created a website-based dashboard visualization so that the environment department can easily read the results of analysis in the form of graphs and using the model produced in this final project to predict air pollutant levels in the next period. This final project research is expected to be one of the supporting elements of decision related to anticipatory handling in overcoming bad air pollution.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: klasterisasi, K-Means, peramalan, Artificial Neural Network, klasifikasi, Naive Bayes, kualitas udara, visualisasi dashboard berbasis web
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Q Science > QA Mathematics > QA278 Cluster Analysis
Divisions: Faculty of Information Technology > Information System > (S1) Undergraduate Theses
Depositing User: Zulvima Ervi Ritya
Date Deposited: 15 Aug 2017 02:34
Last Modified: 27 Nov 2017 07:25
URI: http://repository.its.ac.id/id/eprint/42243

Actions (login required)

View Item View Item