Tel-UTel-U

International Journal on Information and Communication Technology (IJoICT)International Journal on Information and Communication Technology (IJoICT)

Pencemaran udara memiliki dampak signifikan terhadap kesehatan manusia dan lingkungan, terutama di daerah padat penduduk seperti Pulau Jawa di Indonesia. Pencemaran udara disebabkan oleh indeks kualitas udara yang tinggi yang berasal dari konsentrasi polutan berbahaya seperti sulfur dioksida (SO2), karbon monoksida (CO), ozon (O3), nitrogen dioksida (NO2), dan hidrokarbon (HC), serta partikel (PM10, PM2.5). Studi ini menggunakan Artificial Neural Network (ANN) dengan perluasan fitur berbasis waktu untuk memprediksi klasifikasi indeks kualitas udara di Pulau Jawa untuk beberapa bulan mendatang. Sementara LSTM digunakan sebagai baseline untuk perbandingan kinerja dengan metode yang diusulkan. Hasil yang diperoleh menunjukkan bahwa kinerja model ANN dengan perluasan fitur berbasis waktu dapat menyaingi kinerja LSTM dengan akurasi 92,30% dan F1 Score 92,19%. Hal ini menunjukkan bahwa skenario perluasan fitur berbasis waktu dalam ANN mampu menangkap dinamika spasial waktu dalam distribusi kualitas udara di Pulau Jawa. Kontribusi studi ini adalah untuk mendukung pembuatan kebijakan dan strategi efektif dalam mencegah dan menangani dampak pencemaran udara secepat mungkin.

Studi ini menunjukkan bahwa model ANN dengan perluasan fitur berbasis waktu secara signifikan meningkatkan akurasi prediksi kualitas udara di Pulau Jawa, mencapai akurasi maksimum 92,30% dan F1-score 92,19% pada skenario t-6, membuktikan efektivitasnya untuk prediksi jangka pendek hingga menengah.Identifikasi fitur dominan, termasuk PM10, SO2, CO, O3, dan NO2, membuktikan kemampuan model untuk menangkap dengan akurat pola distribusi polusi udara.Temuan ini memberikan wawasan berharga untuk pengelolaan kualitas udara, seperti strategi penempatan sensor yang optimal dan pengembangan kebijakan mitigasi yang berbasis bukti.Penelitian masa depan harus fokus pada pengayaan dataset dengan atribut tambahan, integrasi data real-time, dan penjelajahan model machine learning lanjutan, seperti arsitektur hybrid atau berbasis transformer, untuk lebih meningkatkan akurasi prediksi dan adaptabilitas terhadap perubahan lingkungan yang mendadak.

Untuk penelitian lanjutan, disarankan untuk mengintegrasikan data real-time dan meningkatkan model spasial dengan metode interpolasi dinamis untuk meningkatkan akurasi prediksi di lingkungan yang berubah dengan cepat. Selain itu, mengeksplorasi model hybrid yang menggabungkan ANN dengan arsitektur deep learning seperti RNN-LSTM atau transformer dapat lebih mengoptimalkan kemampuan prediksi jangka panjang. Pendekatan ini diharapkan dapat berkontribusi secara berkelanjutan pada praktik pengelolaan kualitas udara yang lebih baik.

  1. Pemetaan Sebaran Kadar Al2O3 dan RSiO2 Pada Endapan Laterit Bauksit Menggunakan Pendekatan Metode Interpolasi... ejournals.itda.ac.id/index.php/angkasa/article/view/1227Pemetaan Sebaran Kadar Al2O3 dan RSiO2 Pada Endapan Laterit Bauksit Menggunakan Pendekatan Metode Interpolasi ejournals itda ac index php angkasa article view 1227
  2. Smart Air Pollution Monitoring System | Global NEST Journal. smart air pollution monitoring system global... doi.org/10.30955/gnj.004396Smart Air Pollution Monitoring System Global NEST Journal smart air pollution monitoring system global doi 10 30955 gnj 004396
  3. Artificial Neural Networks: An Overview | Mesopotamian Journal of Computer Science. artificial neural... doi.org/10.58496/mjcsc/2023/015Artificial Neural Networks An Overview Mesopotamian Journal of Computer Science artificial neural doi 10 58496 mjcsc 2023 015
Read online
File size1.3 MB
Pages17
DMCAReport

Related /

ads-block-test