Pengembangan Sistem Informasi Prediksi Kualitas Udara Dengan Menggunakan Metode Long Short Term Memory Berbasis Website

Abstract

Keberlanjutan hidup makhluk hidup dan kesehatan manusia bergantung pada kualitas udara yang baik. Polusi udara yang semakin parah menjadi masalah besar yang berdampak pada kesehatan dan lingkungan, terutama di kota besar seperti Surabaya. Sistem prediksi kualitas udara yang tepat sangat penting. Dalam penelitian ini, metode Long Short-Term Memory (LSTM) dan website digunakan untuk membuat sistem untuk memprediksi kualitas udara. LSTM adalah salah satu algoritma pembelajaran mendalam yang terbaik untuk menangani data berupa deret waktu. Sistem, yang dibangun menggunakan framework Streamlit, memiliki kemampuan untuk memprediksi polusi udara berdasarkan lima parameter setiap minggu. MAPE rata-rata adalah 11,61% (akurasi rata-rata = 88,39%), dengan hasil evaluasi sebagai berikut: PM10 (8,99%), SO2 (12,27%), CO (13,23%), O3 (12,23%), dan NO2 (9,34%). Hasil ini menunjukkan bahwa sistem memiliki tingkat akurasi yang tinggi dan layak digunakan sebagai alat bantu prediksi kualitas udara. Dengan adanya sistem ini, diharapkan masyarakat dan pihak terkait dapat lebih mudah memantau dan mengantisipasi penurunan kualitas udara di masa mendatang.

Kata kunci : Kualitas udara, Sistem prediksi, Streamlit, Deep Learning, LSTM