Text

MARKOV WEIGHTED FUZZY TIME SERIES DENGAN PEMBOBOTAN EXPONENTIAL DECAY RATE DAN ALGORITMA PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI POLUSI UDARA

---

ABSTRAK

Polusi udara merupakan permasalahan lingkungan yang berdampak signifikan
terhadap kesehatan dan kualitas hidup masyarakat, terutama di wilayah perkotaan
seperti Kota Semarang. Untuk menghasilkan peramalan polusi udara yang lebih
akurat, penelitian ini mengembangkan model Markov Weighted Fuzzy Time Series
(MWFTS) dengan menerapkan pembobotan menggunakan Exponential Decay
Rate dan optimasi parameter menggunakan algoritma Particle Swarm Optimization
(PSO). Model ini bertujuan untuk menangkap dinamika fluktuatif data polutan
udara secara lebih sensitif terhadap waktu, dengan memberikan bobot lebih tinggi
pada data terbaru. Data yang digunakan merupakan data sekunder dari Dinas
Lingkungan Hidup (DLH) Kota Semarang, meliputi parameter PM10 dan CO dalam
rentang waktu September 2022 hingga Desember 2023. Evaluasi model dilakukan
menggunakan Mean Absolute Percentage Error (MAPE), dengan hasil
menunjukkan bahwa penerapan pembobotan temporal dan optimasi PSO mampu
meningkatkan akurasi prediksi dibandingkan model fuzzy time series standar.
Penelitian ini diharapkan dapat menjadi referensi dalam pengembangan sistem
prediksi kualitas udara serta sebagai dasar pengambilan keputusan mitigasi polusi
udara.
Kata Kunci: Polusi Udara, Fuzzy Time Series, Markov Chain, Exponential Decay
Rate, Particle Swarm Optimization, PM10, CO.

---

Ketersediaan

2881A2025

2881 A 2025

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

2881 A 2025

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar