Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta
Polusi udara, khususnya PM2.5 merupakan ancaman tingkat global yang sulit untuk ditangani. Partikulat ini memberikan dampak yang serius secara lingkungan, kesehatan, dan juga ekonomi di DKI Jakarta. Tujuan dari penelitian ini adalah untuk memprediksi konsentrasi PM2.5 dengan sangat akurat. Peneliti...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universitas Islam Raden Rahmat
2024-01-01
|
| Series: | G-Tech |
| Subjects: | |
| Online Access: | https://ejournal.uniramalang.ac.id/index.php/g-tech/article/view/3896 |
| _version_ | 1797353597853237248 |
|---|---|
| author | I Kadek Pasek Kusuma Adi Putra Sediono M. Fariz Fadillah Mardianto Elly Pusporani |
| author_facet | I Kadek Pasek Kusuma Adi Putra Sediono M. Fariz Fadillah Mardianto Elly Pusporani |
| author_sort | I Kadek Pasek Kusuma Adi Putra |
| collection | DOAJ |
| description |
Polusi udara, khususnya PM2.5 merupakan ancaman tingkat global yang sulit untuk ditangani. Partikulat ini memberikan dampak yang serius secara lingkungan, kesehatan, dan juga ekonomi di DKI Jakarta. Tujuan dari penelitian ini adalah untuk memprediksi konsentrasi PM2.5 dengan sangat akurat. Penelitian ini menghadirkan model prediksi inovatif, yaitu Hybrid ARIMA-ANN. Dibandingkan dengan ARIMA dan ANN secara terpisah, model ini menunjukkan kinerja luar biasa dengan R2 mencapai 0,9012, MAPE 13,603%, dan RMSE 4,061 pada data train. Evaluasi pada data uji menghasilkan RMSE 5,961 dan MAPE 7,622%, menandakan kemampuan prediksi yang sangat baik selama 14 periode ke depan. Temuan ini memberikan panduan penting bagi pemerintah untuk memprediksi kualitas udara di masa depan dan meningkatkan kebijakan penanganan polusi udara di DKI Jakarta. Implikasi kesimpulan ini juga mendukung pencapaian SDGs, terutama poin ke-3, ke-13, dan ke-15.
|
| first_indexed | 2024-03-08T13:33:20Z |
| format | Article |
| id | doaj.art-5ff4ec04f72341a1a8c69344325c374b |
| institution | Directory Open Access Journal |
| issn | 2580-8737 2623-064X |
| language | English |
| last_indexed | 2024-03-08T13:33:20Z |
| publishDate | 2024-01-01 |
| publisher | Universitas Islam Raden Rahmat |
| record_format | Article |
| series | G-Tech |
| spelling | doaj.art-5ff4ec04f72341a1a8c69344325c374b2024-01-17T03:16:32ZengUniversitas Islam Raden RahmatG-Tech2580-87372623-064X2024-01-018110.33379/gtech.v8i1.3896Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI JakartaI Kadek Pasek Kusuma Adi Putra0Sediono1M. Fariz Fadillah Mardianto2Elly Pusporani3Universitas Airlangga, IndonesiaUniversitas Airlangga, IndonesiaUniversitas Airlangga, IndonesiaUniversitas Airlangga, Indonesia Polusi udara, khususnya PM2.5 merupakan ancaman tingkat global yang sulit untuk ditangani. Partikulat ini memberikan dampak yang serius secara lingkungan, kesehatan, dan juga ekonomi di DKI Jakarta. Tujuan dari penelitian ini adalah untuk memprediksi konsentrasi PM2.5 dengan sangat akurat. Penelitian ini menghadirkan model prediksi inovatif, yaitu Hybrid ARIMA-ANN. Dibandingkan dengan ARIMA dan ANN secara terpisah, model ini menunjukkan kinerja luar biasa dengan R2 mencapai 0,9012, MAPE 13,603%, dan RMSE 4,061 pada data train. Evaluasi pada data uji menghasilkan RMSE 5,961 dan MAPE 7,622%, menandakan kemampuan prediksi yang sangat baik selama 14 periode ke depan. Temuan ini memberikan panduan penting bagi pemerintah untuk memprediksi kualitas udara di masa depan dan meningkatkan kebijakan penanganan polusi udara di DKI Jakarta. Implikasi kesimpulan ini juga mendukung pencapaian SDGs, terutama poin ke-3, ke-13, dan ke-15. https://ejournal.uniramalang.ac.id/index.php/g-tech/article/view/3896DKI JakartaHybrid ARIMA-ANNPM2.5Polusi UdaraSDGs |
| spellingShingle | I Kadek Pasek Kusuma Adi Putra Sediono M. Fariz Fadillah Mardianto Elly Pusporani Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta G-Tech DKI Jakarta Hybrid ARIMA-ANN PM2.5 Polusi Udara SDGs |
| title | Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta |
| title_full | Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta |
| title_fullStr | Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta |
| title_full_unstemmed | Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta |
| title_short | Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta |
| title_sort | analisis prediktif menggunakan metode hybrid seasonal autoregressive integrated moving average artificial neural network pada data konsentrasi pm2 5 harian di dki jakarta |
| topic | DKI Jakarta Hybrid ARIMA-ANN PM2.5 Polusi Udara SDGs |
| url | https://ejournal.uniramalang.ac.id/index.php/g-tech/article/view/3896 |
| work_keys_str_mv | AT ikadekpasekkusumaadiputra analisisprediktifmenggunakanmetodehybridseasonalautoregressiveintegratedmovingaverageartificialneuralnetworkpadadatakonsentrasipm25hariandidkijakarta AT sediono analisisprediktifmenggunakanmetodehybridseasonalautoregressiveintegratedmovingaverageartificialneuralnetworkpadadatakonsentrasipm25hariandidkijakarta AT mfarizfadillahmardianto analisisprediktifmenggunakanmetodehybridseasonalautoregressiveintegratedmovingaverageartificialneuralnetworkpadadatakonsentrasipm25hariandidkijakarta AT ellypusporani analisisprediktifmenggunakanmetodehybridseasonalautoregressiveintegratedmovingaverageartificialneuralnetworkpadadatakonsentrasipm25hariandidkijakarta |