SISTEM PREDIKSI POLUSI UDARA PM2.5 MENGGUNAKAN MACHINE LEARNING (ML) PADA AREA KAMPUS UNIVERSITAS MUHAMMADIYAH YOGYAKARTA

Kualitas udara sangat berpengaruh terhadap kesehatan manusia, salah satu bahan yang mempengaruhi tingkat kualitas udara adalah partikulat debu seperti Particulate Matter (PM) 2.5. Namun, masyarakat belum menyadari bahaya serta keberadaan Particulate Matter karena tidak dapat dilihat dan diketahui jumlahnya di udara. Oleh karena itu, penelitian ini bertujuan untuk memprediksi jumlah Particulate Matter (PM) 2.5 di udara dengan penerapan Machine Learning, model Machine Learning yang paling optimal dalam memprediksi PM2.5 serta metode Machine Learning terbaik yang dapat digunakan. Metode Machine Learning yang digunakan yaitu Long Short Term Memory (LSTM), Support Vector Regression (SVR) kernel Radial Basic Function (RBF) dan Multi Layer Perceptron (MLP) dengan metode pengujian menggunakan grafik hasil dan nilai R2, MAE, RMSE dan MSE. Dalam menentukan pemodelan terbaik, dilakukan beberapa kali percobaan dengan kombinasi parameter Neuron Hidden, Max Epoch dan Batch size. Hasil yang didapatkan yaitu LSTM menjadi metode yang paling optimal dalam memprediksi jumlah PM2.5 dengan pemodelan Neuron Hidden sebesar 25 buah, Max Epoch sebanyak 1000 epoch dan Batch size sebesar 16. Pemodelan tersebut menghasilkan nilai R2 sebesar 0.982, MAE sebesar 0.649, RMSE sebesar 1.042 dan MSE sebesar 1.087.