ANALISA SISTEM PREDIKSI POLUSI UDARA PM2.5 MENGGUNAKAN MACHINE LEARNING (ML) DI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA

Partikel debu seperti Particulate Matter (PM) 2.5 merupakan salah satu unsur yang berdampak pada tingkat kualitas udara dan berdampak signifikan bagi kesehatan manusia. Namun, karena Partikulat tidak dapat dilihat atau diukur di udara, orang belum menyadari bahayanya atau bahkan keberadaannya. Oleh karena itu, tujuan dari penelitian ini adalah untuk mengestimasi jumlah Particulate Matter (PM) 2.5 di udara menggunakan Machine Learning, menggunakan pendekatan machine learning terbaik dan model machine learning yang paling efektif untuk melakukan forecasting PM2.5. Memori Jangka Pendek Panjang (LSTM), teknik pembelajaran mesin, Multi Layer Perceptron (MLP), Kernel Radial Basic Function (RBF), dan Support Vector Regression (SVR) adalah tiga model regresi yang diuji menggunakan grafik temuan dan nilai R2, MAE, RMSE, dan MSE. Beberapa percobaan dijalankan menggunakan campuran parameter Hidden Neuron, Max Epoch, dan ukuran Batch untuk menemukan pemodelan yang optimal. Hasilnya menunjukkan bahwa LSTM, yang memodelkan neuron tersembunyi dengan ukuran 25, zaman maksimum 1000, dan ukuran batch 16, adalah metode yang paling efektif untuk memperkirakan jumlah PM2.5. Nilai R2 sebesar 0,982, MAE sebesar 0,649, RMSE sebesar 1,042, dan MSE sebesar 1,087 merupakan hasil pemodelan.