Air Quality Index Classification Using Neural Network Algorithms
Klasifikasi Index Kualitas Udara Menggunakan Algoritma Neural Network
DOI:
https://doi.org/10.35706/sys.v4i3.7722Abstract
Udara mempunyai peranan yang sangat penting dalam menjaga kelangsungan hidup makhluk hidup yang ada di bumi. DKI Jakarta merupakan Ibu Kota Negara Republik Indonesia yang jumlah penduduknya dikategorikan tinggi dan selalu meningkat dan tidak sebanding dengan pertumbungan ruang terbuka hijau dan pelestarian kawasan hijau khususnya pada wilayah perkotaan yang tidak diimbangi dengan luas wilayah. Tingkat kepadatan kendaraan bermotor dan pembangunan infrastruktur semakin meningkat, dapat mempengaruhi terhadap kualitas udara. Hal tersebut dapat berakibat tingkat pencemaran udara semakin tinggi. Fokus penelitian ini melakukan analisis klasifikasi index kualitas udara di DKI Jakarta dengan menggunakan metode Neural Network. Data yang digunakan adalah data sekunder dengan variabel sebagai determinan yang terdiri dari 5 variabel yaitu PM10, SO2, CO, O3, NO2 dan 1 variabel keluaran yaitu baik, sedang, tidak sehat dan sangat tidak sehat. Dari hasil perhitungan pada penelitian ini diketahui bahwa metode Neural Network memperoleh performansi akurasi sebesar 97,76%.
Downloads
References
J. Prayudha, A. Pranata, and A. Al Hafiz, “Implementasi Metode Fuzzy Logic Untuk Sistem Pengukuran Kualitas Udara Di Kota Medan Berbasis Internet of Things (Iot),” Jurteksi, vol. 4, no. 2, pp. 141–148, 2018, doi: 10.33330/jurteksi.v4i2.57.
S. Syihabuddin Azmil Umri, “Analisis Dan Komparasi Algoritma Klasifikasi Dalam Indeks Pencemaran Udara Di Dki Jakarta,” JIKO (Jurnal Inform. dan Komputer), vol. 4, no. 2, pp. 98–104, 2021, doi: 10.33387/jiko.v4i2.2871.
A. Hermawan, “SPKU: Sistem Prediksi Kualitas Udara (Studi Kasus: Dki Jakarta),” 2019, [Online]. Available: http://eprints.uty.ac.id/3552/.
X. Ning, X. Ji, G. Li, and N. Sang, “Ambient PM2.5 causes lung injuries and coupled energy metabolic disorder,” Ecotoxicol. Environ. Saf., vol. 170, pp. 620–626, Apr. 2019, doi: 10.1016/J.ECOENV.2018.12.028.
A. Khumaidi, R. Raafi’udin, and I. P. Solihin, “Pengujian Algoritma Long Short Term Memory untuk Prediksi Kualitas Udara dan Suhu Kota Bandung,” J. Telemat., vol. 15, no. 1, pp. 13–18, 2020, [Online]. Available: https://journal.ithb.ac.id/telematika/article/view/340.
A. Kurniawan Stasiun Klimatologi Mlati and B. Meteorologi Klimatologi dan Geofisika, “PENGUKURAN PARAMETER KUALITAS UDARA (CO, NO2, SO2, O3 DAN PM10) DI BUKIT KOTOTABANG BERBASIS ISPU,” J. Teknosains, vol. 7, no. 1, pp. 1–13, Jul. 2018, doi: 10.22146/TEKNOSAINS.34658.
S. Cheng, L. Li, D. Chen, and J. Li, “A neural network based ensemble approach for improving the accuracy of meteorological fields used for regional air quality modeling,” J. Environ. Manage., vol. 112, pp. 404–414, Dec. 2012, doi: 10.1016/J.JENVMAN.2012.08.020.
P. A. Octaviani, Y. Wilandari, and D. Ispriyanti, “PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN MAGELANG,” J. Gaussian, vol. 3, no. 4, pp. 811–820, 2014, doi: 10.14710/J.GAUSS.V3I4.8092.
P. ASTUTI, “KOMPARASI PENERAPAN ALGORITMA C45, KNN DAN NEURAL NETWORK DALAM PROSES KELAYAKAN PENERIMAAN KREDIT KENDARAAN BERMOTOR,” Fakt. Exacta, vol. 9, no. 1, pp. 87–101, Jun. 2016, Accessed: Sep. 14, 2022..
R. R. Janghel, A. Shukla, R. Tiwari, and R. Kala, “Breast Cancer diagnosis using Artificial Neural Network models,” Proc. - 3rd Int. Conf. Inf. Sci. Interact. Sci. ICIS 2010, pp. 89–94, 2010, doi: 10.1109/ICICIS.2010.5534716.
E. Kusrini, E. T.-Y. A. Offset, and undefined 2009, “Algoritma data mining,” diglib.amikom.ac.id, Accessed: Sep. 14, 2022.
“Making Sense of Data: A Practical Guide to Exploratory Data Analysis and ... - Glenn J. Myatt-Google Buku.” (accessed Sep. 14, 2022).
C. W. Dawson, “Projects in Computing and Information Systems A Student’s Guide A Student’s Guide Second Edition A Student’s Guide,” Accessed: Sep. 14, 2022. [Online]. Available: www.pearson-books.com.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2022 SYSTEMATICS
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).