Peramalan Kadar PM10 Menggunakan Algoritma Long Short-Term Memory (LSTM) Sebagai Acuan Ketersediaan Ruang Terbuka Hijau Di Kota Jambi

Abstract

Pada tahun 2023 jumlah kendaraan bermotor di Kota Jambi hampir mencapai 960.814 unit. Peningkatan volume lalu lintas akan menyebabkan peningkatan emisi polusi udara, yang dapat mengurangi kualitas udara. Salah satu polutannya adalah PM10, yang berkontribusi terhadap polusi udara. Particulate matter 10 (PM10) adalah partikel materi yang berukuran kurang dari 10 mikrometer. PM10 dapat berdampak negatif pada sistem pernapasan, seperti serangan asma, penurunan fungsi paru-paru, dan bahkan kematian. Salah satu solusi untuk mengatasi masalah polusi udara di Jambi adalah melalui pengembangan prediksi temporal kualitas udara menggunakan data historis. Dengan membangun model prediksi berdasarkan indeks polutan, kita dapat memproyeksikan kualitas udara secara harian. Penelitian ini bertujuan untuk membuat model prediksi konsentrasi PM10 di Kota Jambi dengan metode Long Short Term Memory. Data yang digunakan adalah data konsentrasi PM10 pada bulan Januari sampai Juni 2024 menggunakan algoritma jaringan saraf tiruan Long Short-Term Memory (LSTM). Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan data, praproses data, pembagian data, pembuatan model prediksi konsentrasi PM10, dan MAPE. Penelitian ini menghasilkan model prediksi konsentrasi PM10 dengan nilai RMSE sebesar 0,021 dan MAPE 0,11%, yang berarti model peramalan memiliki peramalan yang sangat akurat. Dengan kemampuannya memprediksi kadar PM10 di masa depan berdasarkan pola historis. Informasi ini krusial dalam menentukan prioritas pengembangan RTH.