RAHARJARAHARJA

ICIT JournalICIT Journal

Kualitas udara yang buruk, terutama terkait dengan sebaran Particulate Matter (PM10), telah menjadi isu lingkungan yang signifikan dalam lingkungan perkotaan. Penelitian ini bertujuan untuk menguji efektivitas model Jaringan Syaraf Tiruan (Artificial Neural Network) dengan metode propagasi balik dalam memprediksi sebaran partikel PM10 di Kota Tangerang. Penelitian ini didasarkan pada pemahaman bahwa Jaringan Syaraf Tiruan memiliki kemampuan untuk mengenali pola kompleks dalam data lingkungan dan dapat menjadi metode yang berguna untuk memahami faktor-faktor yang mempengaruhi kualitas udara. Data hasil pengamatan berupa parameter cuaca antara lain suhu, kelembapan, curah hujan dan lama penyinaran matahari serta kadar particulate PM10. Data diambil dari januari 2010 hingga desember 2019. Metode propagasi balik digunakan untuk melatih model agar dapat mengenali hubungan antara variabel-variabel tersebut dan konsentrasi partikel PM10. Hasil uji model menunjukkan bahwa Jaringan Syaraf Tiruan dengan metode propagasi balik mampu memberikan prediksi yang cukup akurat terkait sebaran partikel PM10 di Kota Tangerang.

Model Jaringan Syaraf Tiruan dengan metode propagasi balik berhasil dibuat untuk memprediksi konsentrasi PM10 di Kota Tangerang.Arsitektur model menggunakan [2 125 1] dengan dua input parameter suhu dan kelembapan, satu lapisan tersembunyi dengan 125 neuron, dan satu output.Pelatihan selama 500 epoch menghasilkan nilai error 0.Namun, akurasi rendah disebabkan oleh dataset tidak linier dan tidak diklasifikasikan.Model dapat diintegrasikan dengan sistem web menggunakan framework Flask untuk prakiraan PM10 berdasarkan data cuaca.

1. Penelitian selanjutnya dapat menggunakan dataset pelatihan yang memiliki hubungan linier antara input dan output untuk meningkatkan akurasi. 2. Mengembangkan model dengan output yang diklasifikasikan berdasarkan kategori kualitas udara untuk memperbaiki performa prediksi. 3. Menambahkan parameter tambahan seperti kepadatan lalu lintas atau aktivitas industri untuk memperkaya data pelatihan dan meningkatkan akurasi prediksi PM10. Penelitian ini juga dapat mengoptimalkan arsitektur jaringan syaraf tiruan dengan teknik lain seperti deep learning atau ensemble method untuk menghadapi data yang kompleks dan tidak linier.

Read online
File size564.08 KB
Pages11
DMCAReport

Related /

ads-block-test