UNUGHAUNUGHA

PROCEEDING AL GHAZALI International ConferencePROCEEDING AL GHAZALI International Conference

Kualitas udara di DKI Jakarta merupakan masalah signifikan yang mengancam kesehatan masyarakat. Untuk memberikan gambaran kepada publik mengenai tingkat pencemaran udara di area tertentu dan risiko yang ditimbulkan, terdapat Indeks Pencemaran Udara (ISPU) yang menyediakan informasi yang relevan. Penelitian ini bertujuan untuk mengembangkan model prediksi kategori ISPU di DKI Jakarta berdasarkan algoritma Gradient Boosting. Data ISPU yang digunakan mencakup konsentrasi PM10, PM2.5, SO2, CO, dan O3. Model Gradient Boosting yang dikembangkan dilatih pada data ISPU historis dan kemudian kinerjanya dinilai berdasarkan metrik akurasi, presisi, recall, dan F1-score. Dalam penelitian ini, algoritma Gradient Boosting telah terbukti mampu memprediksi kategori ISPU dengan tingkat akurasi yang lebih baik. Hal ini memiliki potensi tujuan – penyediaan peringatan dini terkait kategori ISPU untuk memungkinkan masyarakat umum mengambil langkah-langkah yang dapat mengurangi tingkat pencemaran udara yang mereka alami. Penelitian ini berkontribusi pada pembentukan sistem peringatan dini kualitas udara, yang sangat penting dalam meningkatkan standar kesehatan masyarakat yang tinggal di wilayah DKI Jakarta.

Penelitian ini berhasil mengembangkan model prediksi untuk Indeks Pencemaran Udara (ISPU) kategori di DKI Jakarta menggunakan algoritma Gradient Boosting, yang menunjukkan kinerja akurasi tinggi serta metrik evaluasi presisi, recall, dan F1-score yang hampir sempurna.Model ini telah terbukti efektif dalam memprediksi kategori kualitas udara seperti Baik, Sedang, Tidak Sehat dan Sangat Tidak Sehat, sehingga dapat digunakan sebagai bagian dari sistem peringatan dini untuk memberikan informasi penting kepada masyarakat mengenai kondisi kualitas udara.Dengan model prediktif ini, masyarakat dapat mengambil tindakan pencegahan untuk mengurangi paparan terhadap pencemaran udara.Penelitian ini berkontribusi pada peningkatan sistem pemantauan kualitas udara yang mendukung kebijakan lingkungan dan kesehatan masyarakat di DKI Jakarta.

Berdasarkan penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dilakukan untuk meningkatkan akurasi dan kegunaan model prediksi ISPU. Pertama, perlu dilakukan eksplorasi lebih lanjut terhadap variabel-variabel lain yang mungkin mempengaruhi kualitas udara, seperti data meteorologi (kecepatan angin, kelembaban) dan data lalu lintas, untuk melihat apakah penambahan variabel-variabel tersebut dapat meningkatkan akurasi prediksi. Kedua, penelitian dapat difokuskan pada pengembangan model yang mampu memprediksi kualitas udara secara spasial, yaitu memetakan kualitas udara di berbagai wilayah di DKI Jakarta secara detail, sehingga peringatan dini dapat diberikan secara lebih spesifik. Ketiga, penelitian dapat mengkaji penggunaan teknik deep learning, seperti recurrent neural networks (RNN), untuk menangkap pola temporal yang lebih kompleks dalam data kualitas udara, mengingat kualitas udara seringkali dipengaruhi oleh tren dan siklus harian atau musiman.

  1. Causality Analysis of Air Quality and Meteorological Parameters for PM2.5 Characteristics Determination:... doi.org/10.4209/aaqr.230014Causality Analysis of Air Quality and Meteorological Parameters for PM2 5 Characteristics Determination doi 10 4209 aaqr 230014
  2. Boosting Algorithm to Handle Unbalanced Classification of PM2.5 Concentration Levels by Observing Meteorological... doi.org/10.1109/ACCESS.2023.3265019Boosting Algorithm to Handle Unbalanced Classification of PM2 5 Concentration Levels by Observing Meteorological doi 10 1109 ACCESS 2023 3265019
  3. Impacts of Air Pollution on Health and Cost of Illness in Jakarta, Indonesia | MDPI. impacts air pollution... mdpi.com/1660-4601/20/4/2916Impacts of Air Pollution on Health and Cost of Illness in Jakarta Indonesia MDPI impacts air pollution mdpi 1660 4601 20 4 2916
  4. Interpretable Machine Learning Approaches for Forecasting and Predicting Air Pollution: A Systematic... aaqr.org/articles/aaqr-23-06-oa-0151Interpretable Machine Learning Approaches for Forecasting and Predicting Air Pollution A Systematic aaqr articles aaqr 23 06 oa 0151
Read online
File size610.42 KB
Pages15
DMCAReport

Related /

ads-block-test