Prediksi Kadar Particulate Matter (PM10) untuk Pemantauan Kualitas Udara Menggunakan Jaringan Syaraf Tiruan Studi Kasus Kota Pontianak

Yogi Aprianto, Nurhasanah Nurhasanah, Iklas Sanubary

Abstract


Pada penelitian ini telah dilakukan prediksi Particulate Matter (PM10) menggunakan jaringan syaraf tiruan propagasi balik. Prediksi pencemaran Particulate Matter (PM10) ini dilakukan sebagai langkah antisipatif untuk mendeteksi pencemaran udara terutama jika alat ukur mengalami kerusakan. Data yang digunakan yaitu parameter cuaca seperti curah hujan, penyinaran matahari, kelembaban udara, kecepatan angin dan suhu udara sebagai masukan jaringan sedangkan target jaringan ialah kadar PM10. Arsitektur jaringan syaraf tiruan (JST) yang digunakan tersusun dari neuron sebanyak 20-20-15-15-10-1 dan menggunakan fungsi tansig-logsig-tansig-logsig-tansig-purelin pada setiap lapisan jaringan. Pelatihan jaringan menghasilkan koefisien korelasi 0,9999 dengan MSE 0,00003, sedangkan pengujian jaringan menghasilkan koefisien korelasi 0,9673 dengan MSE 0,491 dan koefisien determinasi 0,9334. Hasil tersebut menunjukkan bahwa sebesar 93,34% parameter cuaca dapat digunakan sebagai parameter masukan pada JST untuk memprediksi kadar PM10 di Kota Pontianak.


Keywords


particulate matter (PM10), jaringan syaraf tiruan, propagasi balik, prediksi

Full Text:

PDF

References


BPS Provinsi Kalimantan Barat KALIMANTAN BARAT DALAM ANGKA 2016. KALIMANTAN BARAT DALAM ANGKA 2016. (2016).

Ruslinda, Y., Gunawan, H., Goembira, F., Wulandari, S. , Pengaruh Jumlah Kendaraan Berbahan Bakar Bensin Terhadap Konsentrasi Timbal (Pb) di Udara Ambien Jalan Raya Padang, Seminar Nasional Sains dan Teknologi Lingkungan II, pp.162–167, 2016.

Sugiarti, Gas Pencemar Udara dan Pengaruhnya Bagi Kesehatan Manusia, Jurnal Chemica Vol 10, 50–582009.

Gestrudis, Hubungan antara Kadar Partikulat (PM10) Udara Rumah Tinggal dengan Kejadian ISPA pada Balita di Sekitar Pabrik Semen PT Indocement, Citeureup, Tahun 2010.

Septiyanzar, R. A. ,Analisis Trayektori Polutan Udara Dari Sumber Garis di Kota Jakarta Menggunakan The Air Pollution Model (TAPM), Departemen Geofisika dan Meteorologi FMIPA IPB, 2008.

Iksan, P., Jakarta, Analisis Pencemaran Udara O3 dan PM10 Pada Bulan Terbasah dan Bulan Terkering (Studi Kasus : DKI,Departemen Geofisika dan Meteorologi FMIPA IPB, 2008.

Cahyadi, W., Achmad, B., Suhartono, E., Razie, F., Pengaruh Faktor Meteorologis dan Konsentrasi Partikulat (PM10) Terhadap Kejadian ISPA (Studi Kasus Kecamatan Banjarbaru Selatan, Kota Banjarbaru Tahun 2014-2015)No Title, EnviroScienteae Vol. 12 No.3, pp.301–311, 2016.

Arifien, N. F., Arifin, S., Widjiantoro, B. L., and Aisjah, A. S., Prediksi Kadar Polutan Dengan Menggunakan Jaringan Syaraf Tiruan (Jst) Untuk Pemantauan pp.1–11, 2012.

BMKG, Buletin Iklim Kalimantan Barat Edisi Mei 2016,BMKG Stasiun Klimatologi Siantan Pontianak, 2016.

Puspitaningrum, D., Pengantar Jaringan Syaraf Tiruan,C.V ANDI OFFSET, 2006.

Kusumadewi, S., Hartati, S., Neuro-Fuzzy Integrasu Sistem Fuzzy & Jaringan Syaraf, GRAHA ILMU, 2010.

Sutojo, T., Mulyanto, E., Suhartono, V., Kecerdasan Buatan,C.V ANDI OFFSET, 2011.

Siang, J.J., Jaringan Syaraf Tiruan Dan Pemrogramannya Dengan Matlab. 309. (2005).

Apriantoro, Y., Analisis Pengaruh Cuaca Terhadap Perubahan Beban Elektrin PLN untuk Perkiraan Penyedian Beban Harian Pada Wilayah Jakarta Banten, Universitas Indonesia, 2010.




DOI: http://dx.doi.org/10.26418/positron.v8i1.25470

Refbacks

  • There are currently no refbacks.


PUBLISED BY
IN ASSOCIATION WITH

Jurusan Fisika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Tanjungpura
 Physical Society of Indonesia
Cabang Kalimantan Barat

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.