KLASIFIKASI DAN PREDIKSI KUALITAS UDARA DI KOTA YOGYAKARTA MENGGUNAKAN ALGORITMA LONG SHORT-TERM MEMORY

Novita Bayu Permatasari, Hidayat Nur Isnianto, S.T., M.Eng

2025 | Tugas Akhir | D4 Teknologi Rekayasa Instrumentasi dan Kontrol

Kualitas udara di Kota Yogyakarta semakin turun dengan seiring meningkatnya polusi udara yang diakibatkan oleh aktivitas manusia, seperti contohnya adalah transportasi dan industri, sehingga berdampak pada kesehatan dan lingkungan yang serius. Beberapa parameternya adalah PM10, SO2, Com O3, dan NO2 yang berdasarkan data ISPU (Indeks Standar Pencemar Udara) dari Dinas Lingkungan Hidup Kota Yogyakarta tahun 2020 sampai dengan 2023. Pada penelitian ini dilakukan klasifikasi dan prediksi dengan algoritma LSTM (Long Short-Term Memory) untuk memprediksi standar kualitas udara dengan lima parameter pencemaran PM10, SO2, CO, O3, dan NO2. Hasil dari penelitian ini pada grafik performa menunjukkan model cenderung mengalami overfitting pada beberapa fase pelatihan, meskipun hasil simulasi pada data acak menunjukkan konsistensi prediksi dengan kategori “Baik” untuk kualitas udara. Sehingga dapat disimpulkan bahwa penelitian ini dengan menggunakan model LSTM (Long Short-Term Memory) mampu mengklasifikasikan dan memprediksi kualitas udara secara efektif dengan hasil yang hampir sesuai dengan data aktual dan penelitian ini akan berjalan lebih baik dengan beberapa perbaikan seperti penggunakaan parameter tambahan seperti PM2.5 dan peningkatan akurasi model untuk hasil yang optimal.

Kata Kunci : Kualitas udara, ISPU (Indeks Standar Pencemar Udara), Long Short Term Memory (LSTM), PM10, SO2, CO, O3, dan NO2

Air quality in Yogyakarta City is declining along with the increase in air pollution caused by human activities, such as transportation and industry, thus having a serious impact on health and the environment. Some of the parameters are PM10, SO2, Com O3, and NO2 which are based on ISPU (Air Pollution Standard Index) data from the Yogyakarta City Environment Agency from 2020 to 2023. In this study, classification and prediction were carried out using the LSTM (Long Short-Term Memory) algorithm to predict air quality standards with five pollution parameters of PM10, SO2, CO, O3, and NO2. The results of this study on the performance graph showed that the model was likely to overfitting in some phases of training, although the simulation results on the random data showed consistency in the prediction with the "Good" category for air quality. So it can be concluded that this study using the LSTM (Long Short Term Memory) model is able to classify and predict air quality effectively with results that are almost in accordance with the actual data and this study will run better with several improvements such as the use of additional parameters such as PM2.5 and increased model accuracy for optimal results.

Keywords: Air quality, ISPU (Air Pollution Standard Index), Long Short-Term Memory (LSTM), PM10, SO2, CO, O3, and NO2 

Kata Kunci : Kualitas udara, ISPU (Indeks Standar Pencemar Udara), Long Short Term Memory (LSTM), PM10, SO2, CO, O3, dan NO2