Faishol, Muh Anas (2020) Analisis Data Runtun Waktu Prediksi Polusi Udara di Kota Surabaya Menggunakan Deep Learning RNN-LSTM. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07111850067005-MASTER_THESIS.pdf Download (4MB) | Preview |
Abstract
Udara merupakan salah satu kebutuhan primer makhluk hidup. Jika udara tercemar maka kehidupan manusia dan makhluk hidup lain akan terganggu. Karena itu perlu ada penanganan khusus agar udara tetap terjaga kualitasnya. Salah satu cara untuk mempermudah pencegahan terjadinya polusi udara adalah membuat prediksi polusi udara dengan memanfaatkan data masa lalu. Melalui Dinas Lingkungan Hidup, Pemerintah Kota Surabaya telah melakukan pemantauan kualitas udara di kota Surabaya setiap 30 menit untuk berbagai parameter kualitas udara di antaranya CO, NO, NO2, NOx, PM10, SO2, dan data meteorologi seperti arah angin, arah hembusan angin, kecepatan angin, kecepatan hembusan angin, radiasi global, kelembaban, dan temperatur udara. Data tersebut sangat berguna dalam membangun sebuah model prediksi untuk prakiraan polusi udara di masa yang akan datang. Dengan besarnya jumlah dan varian data yang dihasilkan dari pemantauan kualitas udara di kota Surabaya, dibutuhkan sebuah algoritma yang mumpuni untuk mengolahnya. Salah satu algoritma yang bisa digunakan adalah Recurrent Neural Network-Long Short Term Memory (RNN-LSTM). RNN-LSTM dibangun untuk pengolahan data sekuensial seperti data time series. Ada beberapa analisis yang dibuat dalam penelitian ini, yaitu analisis tren, analisis korelasi nilai polutan terhadap data meteorologi, dan prediksi polutan Karbon Monoksida menggunakan RNN-LSTM di kota Surabaya dikorelasikan dengan data meteorologi. Hasil penelitian ini menunjukkan bahwa model prediksi terbaik menggunakan RNN-LSTM dengan perhitungan RMSE mendapatkan error sebesar 1,880 dan skenario jumlah hidden layer 2 serta epoch 50. Hasil prediksi yang dibangun dapat digunakan sebagai acuan dalam menentukan kebijakan pemerintah kota untuk menangani polusi udara ke depan.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | air pollution, recurrent neural network, long short term memory, Surabaya polusi udara, recurrent neural network, long short term memory, Surabaya |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms |
| Divisions: | Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis |
| Depositing User: | MUH ANAS FAISHOL |
| Date Deposited: | 06 Aug 2020 07:46 |
| Last Modified: | 16 May 2023 08:02 |
| URI: | http://repository.its.ac.id/id/eprint/76659 |
Actions (login required)
 |
View Item |