Text

Prediksi Kualitas Udara Menggunakan Algoritma Backpropagation Through Time Dengan Arsitektur Jaringan Recurrent Neural Network

---

ABSTRAK

Polusi udara saat ini semakin banyak terjadi di negara maju maupun negara berkembang dan
dapat mengganggu keadaan lingkungan serta kesehatan masyarakat. Penentuan tingkat
polusi udara (polutan udara) atau kualitas udara dapat dilihat dari sekelompok parameter
yang sensitif seperti NO2, O3, PM10, PM2.5, dan SO2. Penelitian ini melakukan prediksi data
konsentrasi polutan udara dari waktu ke waktu (data time series) untuk mengetahui keadaan
kualitas udara yang akan datang apakah dalam keadaan yang baik atau buruk bagi kesehatan
dan lingkungan. Prediksi data dapat menggunakan algoritma-algoritma dari jaringan syaraf
tiruan, salah satunya adalah algoritma Backpropagation Through Time (BPTT). BPTT
merupakan algoritma pembelajaran yang dikembangkan dari algoritma backpropagation
yang diterapkan pada arsitektur jaringan Recurrent Neural Network (RNN). Algoritma
BPTT dan arsitektur RNN memiliki kelebihan untuk memprediksi data time series karena
tidak hanya mempertimbangkan masukan terbaru, tetapi juga semua masukan sebelumnya
dalam jaringan. Penelitian tugas akhir ini untuk mengetahui parameter terbaik dan
performansi BPTT dalam memprediksi data time series polutan udara secara single step dan
multi step. Data penelitian merupakan data time series polutan udara dari situs London Data
Store dari bulan Januari 2008 sampai Maret 2018 dengan jumlah data sebanyak 2952. Hasil
pengujian penelitian ini menunjukkan bahwa BPTT dengan single step dapat digunakan
dengan baik dalam memprediksi konsentrasi polutan udara dibandingkan BPTT dengan
multi step. Arsitektur terbaik dari algoritma BPTT menghasilkan MAPE pelatihan sekitar
5% sampai 7% dan MAPE pengujian sekitar 6% sampai 8%. Prediksi single step dan
prediksi multi step berhasil memprediksi kategori kualitas udara sesuai dengan data target
yang berturut-turut memiliki akurasi sebesar 100% dan 92% .
Kata kunci : Polutan Udara, Kualitas Udara, Backpropagation Through Time, Recurrent
Neural Network, prediksi single step, prediksi multi step

ABSTRACT

Air pollution is currently occurring in developed and developing countries which can disrupt
environmental conditions and public health. Determination of air pollution levels (air
pollutant) or air quality can be seen from a group of sensitive parameters such as NO2, O3,
PM10, PM2.5, and SO2. This research predicts data on the concentration of air pollutant from
time to time (time series data) to determine the state of air quality is good or bad for health
and environment. Data predictions can use algorithms from artificial neural network, one of
which is Backpropagation Through Time (BPTT) algorithm. BPTT is a learning algorithm
which developed from backpropagation algorithm that is applied to Recurrent Neural
Network (RNN) architecture. BPTT algorithm and RNN architecture have advantage of
predicting time series data because it is not only consider the latest input, but also all previous
input in the network. This final project research has purpose to find out the best parameters
and performance of BPTT in predicting time series air pollutant data in single step and
multistep prediction. The research data is air pollutant time series from London Data Store
website from January 2008 to March 2018 with a total of 2952 data. The results of this
research indicate that BPTT with single step can be used well in predicting air pollutant
concentration compared to BPTT with multi step. The best network architecture of the BPTT
algorithm has training MAPE around 5% until 7% and testing MAPE 6% until 7%. Single
step prediction and multistep prediction success to predict category of air quality as air
quality of real data which have consecutive accuracy 100% and 92%.
Key word : Air Pollutant, Air Quality, Backpropagation Through Time, Recurrent
Neural Network, single step prediction, multistep prediction

---

Ketersediaan

655F18IV

655 F 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

655 F 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

2381

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Widya Mas Septiawan

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar