Prediksi Indeks Standar Pencemar Udara Menggunakan Metode Long Short-term Memory Berbasis Web (studi Kasus Pada Kota Jakarta)

Abstract

Abstrak Penggunaan long short-term memory karena metode tersebut menghasilkan prediksi angka sangat baik untuk data time series. prediksi yang telah dilakukan lalu diimplementasikan ke dalam website menggunakan kerangka flask. Penelitian menggunakan 5 parameter zat yang terdapat dalam ISPU sehingga mendapatkan hasil pengujian berbeda di setiap parameter zat. Hasil pengujian partisi data tiap zat adalah PM10 80% data latih 20% data uji, SO2 50% data latih 50% data uji, CO 80% data latih 20% data uji, O3 80% data latih 20% data uji, dan NO2 50% data latih 50% data uji. Dari hasil pengujian partisi data ditemukan pemodelan terbaik dari PM10 dengan epoch = 100, hidden layer = 1, neuron = 128, optimizer = Rmsprop, RMSE sebesar 0.007237, SO2 dengan epoch = 50, hidden layer = 1, neuron = 64, optimizer = Adamax, RMSE sebesar 0.05841, CO dengan epoch = 100, hidden layer = 1, neuron = 64, optimizer = Adamax, RMSE sebesar 0.05474, O3 dengan epoch = 50, hidden layer = 1, neuron = 64, optimizer = Adam, RMSE sebesar 0.04465, dan NO2 dengan epoch = 50, hidden layer = 1, neuron = 64, optimizer = Adam, RMSE sebesar 0.0431. berdasarkan usability testing yang telah dilakukan, website yang dirancang dapat membantu dalam memprediksikan ISPU dengan presentase nilai 80.7%. Kata Kunci: udara, long short-term memory, ISPU, DKI Jakarta, website