Mista lizar Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2024

Skripsi

Penelitian ini bertujuan untuk membandingkan performa peramalan dari model Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU) untuk memprediksi variabel-variabel tersebut. Penelitian ini menangani tantangan dalam meramalkan variabel lingkungan dengan akurat untuk mendukung keputusan kesehatan publik dan kebijakan. Analisis deret waktu dilakukan menggunakan data yang dikumpulkan dari 1 Maret 2023 hingga 29 Februari 2024. Dataset terdiri dari 9 variabel, termasuk temperatur, kelembapan, curah hujan, durasi penyinaran matahari, kecepatan angin, PM2,5, PM10, NO2, dan O3. Nilai yang hilang diatasi menggunakan interpolasi. Penelitian ini menerapkan model LSTM dan GRU dengan variasi ukuran batch untuk memprediksi kondisi iklim dan tingkat polutan. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Weighted Average Scoring Evaluation (WASE). Model GRU menunjukkan performa yang lebih unggul dalam prediksi, dengan tingkat kesalahan yang lebih rendah dibandingkan dengan model LSTM. Model GRU dengan ukuran batch 32 mencapai MAE terendah sebesar 3,90, RMSE sebesar 5,06, dan WASE sebesar 2,59. Sebaliknya, model LSTM menunjukkan metrik kesalahan yang lebih tinggi, menunjukkan prediksi yang kurang akurat. Penelitian ini menyimpulkan bahwa GRU adalah algoritma yang lebih efektif untuk meramalkan kondisi iklim dan polutan udara di Kota Medan. Temuan ini menyarankan bahwa implementasi sistem peringatan dini berbasis GRU dapat meningkatkan langkah-langkah proaktif untuk melindungi kesehatan masyarakat. Penelitian lebih lanjut harus mengeksplorasi variabel tambahan dan data deret waktu yang lebih panjang untuk memvalidasi dan meningkatkan model prediksi. Hasil ini menekankan pentingnya prediksi lingkungan yang akurat dalam perencanaan kota dan kebijakan kesehatan publik. Kata kunci: Iklim, Polutan Udara, LSTM, GRU, Kota Medan 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 125876 2024-07-19 15:56:01 2024-07-22 11:02:38 machine generated