Analisis dan Peramalan Polusi Udara di Surabaya Menggunakan Metode Fuzzy Time Series

Wahananta Izha Mahendra; Anggay Luri Pramana

doi:10.24036/voteteknika.v12i2.128309

Analisis dan Peramalan Polusi Udara di Surabaya Menggunakan Metode Fuzzy Time Series

Wahananta Izha Mahendra⁽¹⁾, Anggay Luri Pramana⁽²⁾,
(1) Universitas Nahdlatul Ulama Sidoarjo

Indonesia
(2) Universitas Nahdlatul Ulama Sidoarjo

Indonesia

Corresponding Author

DOI : https://doi.org/10.24036/voteteknika.v12i2.128309

Full Text:

Language : id

Abstract

Peramalan merupakan proses atau metode untuk menghasilkan estimasi atau prediksi mengenai peristiwa atau kondisi yang akan terjadi di masa depan berdasarkan informasi yang tersedia saat ini. Peramalan polusi udara ini dilakukan untuk menyikapi dampak negatif polusi udara membutuhkan pemahaman yang mendalam terhadap perubahan struktur kualitas udara di Surabaya, analisis dan peramalan polusi udara sangat penting untuk menjaga keseimbangan ekologi dan kesehatan masyarakat. Metode yang dilakukan dengan menggunakan Fuzzy Time Series. Uji coba dilakukan dengan dataset sebanyak 533 data dari tahun 2022 hingga pertengahan tahun 2023. Adapun hasil yang didapat dengan evaluasi Mean Absolute Percentage Error (MAPE) cukup baik, dengan hasil 18,71% mendapatkan interpretasi peramalan baik. Evaluasi akurasi peramalan juga menggunakan Mean Squared Error (MSE) dengan mendapat skor 188,32 dan nilai Root Mean Squared Error (RMSE) sebesar 13,72. Kesimpulan, program peramalan polusi udara ini dapat dikembangkan dan memberikan informasi terkait polusi udara di Surabaya di masa yang akan datang.

Kata kunci : peramalan, polusi udara, Fuzzy Time Series, evaluasi.

Forecasting is a process or method for generating estimates or predictions about events or conditions that will occur in the future based on information available today. Air pollution forecasting is done to address the negative impact of air pollution requires a deep understanding of the structural changes in air quality in Surabaya, air pollution analysis and forecasting is very important to maintain ecological balance and public health. The method is done by using Fuzzy Time Series. The trial was conducted with a dataset of 533 data from 2022 to mid-2023. The results obtained by evaluating the Mean Absolute Percentage Error (MAPE) is quite good, with the results of 18.71% get a good forecasting interpretation. Evaluation of forecasting accuracy also uses Mean Squared Error (MSE) with a score of 188.32 and Root Mean Squared Error (RMSE) of 13.72. In conclusion, this air pollution forecasting program can be developed and provide information related to air pollution in Surabaya in the future.

Keywords: forecasting, air pollution, Fuzzy Time Series, evaluation.

References

Ikhsanudin, A., Santoso, K. I., & Wahyudion, S. (2022). Metode Fuzzy Time Series Model Chen untuk Memprediksi Jumlah Kasus Aktif Covid-19 di Indonesia. Transformasi, 18(1).

Maulana, S. A., Batubara, S. H., & Rahman, W. K. (2023). Penerapan Metode Naïve Bayes dalam Peramalan Polusi Udara di Kota Jakarta. Mutiara: Jurnal Penelitian dan Karya Ilmiah, 1(6), 347-362.

Maharani, S., & Aryanta, W. R. (2023). Dampak Buruk Polusi Udara Bagi Kesehatan Dan Cara Meminimalkan Risikonya. Jurnal Ecocentrism, 3(2), 47-58.

Selasakmida, A. D., Tarno, T., & Wuryandari, T. (2021). Perbandingan Metode Double Exponential Smoothing Holt Dan Fuzzy Time Series Chen Untuk Peramalan Harga Paladium. Jurnal Gaussian, 10(3), 325-336.

Virgianti, V., Martha, S., & Imro’ah, N. (2021). Penerapan Fuzzy Time Series Chen Average Based Pada Peramalan Curah Hujan. Bimaster: Buletin Ilmiah Matematika, Statistika dan Terapannya, 10(4).

Wahyuni, S. C., Arifianto, D., & Saifudin, I. (2022). Peramalan Jumlah Penduduk Miskin Di Pulau Jawa Menggunakan Metode Fuzzy Time Series Chen. Smart Teknol, 3(5), 133-139.