Peramalan kualitas udara di Jakarta berdasarkan jumlah kendaraan bermotor menggunakan metode artificial neural network backpropagation

INDONESIA:

Seiring pertumbuhan penduduk yang terus meningkat setiap tahun di Jakarta, aktivitas kendaraan juga mengalami peningkatan yang menyebabkan pencemaran udara semakin tinggi. Peningkatan jumlah kendaraan bermotor menjadi penyumbang utama zatzat pencemar di udara, salah satunya adalah Particulate Matter 2.5 (PM2.5). PM2.5 adalah partikel kecil berdiameter 2,5 mikrometer yang dapat terhirup ke dalam paru-paru dan menyebabkan masalah kesehatan serius, serta dapat memperburuk kualitas udara di berbagai wilayah. Penelitian ini bertujuan untuk melakukan peramalan kualitas udara PM2.5 di Jakarta berdasarkan variabel kendaraan bermotor menggunakan metode Artificial Neural Network Backpropagation, serta melakukan analisis hubungan variabel kendaraan bermotor terhadap kualitas udara PM2.5 menggunakan analisis regresi linear. Hasil penelitian menunjukkan bahwa model terbaik untuk peramalan kualitas udara PM2.5 adalah model menggunakan parameter jumlah neuron pada hidden layer 12 dan 16, learning rate 0.05, dan rasio pembagian data 80:20 dengan rata-rata Mean Absolute Percentage Error (MAPE) terendah sebesar 1.55%, sementara analisis regresi linear menunjukkan bahwa bus dan mini bus memiliki kontribusi yang cukup besar terhadap peningkatan PM2.5 dengan coefficients masing-masing sebesar 0.496 dan 0.206. Dengan demikian, penggunaan metode ANN Backpropagation untuk peramalan kualitas udara PM2.5 memberikan hasil yang akurat dengan tingkat error yang rendah, sementara analisis regresi linear memberikan wawasan tentang hubungan kendaraan bermotor terhadap kualitas udara di Jakarta.

ENGLISH:

As population growth continues to increase every year in Jakarta, vehicular activity also increases which causes air pollution to increase. The increase in the number of motorized vehicles is the main contributor to air pollutants, one of which is Particulate Matter 2.5 (PM2.5). PM2.5 are small particles with a diameter of 2.5 micrometers that can be inhaled into the lungs and cause serious health problems, and can reduce air quality in various areas. This research aims to forecast PM2.5 air quality in Jakarta based on motor vehicle variables using the Artificial Neural Network Backpropagation method, as well as analyzing the relationship between motor vehicle variables and PM2.5 air quality using linear regression analysis. The research results show that the best model for predicting PM2.5 air quality is a model using the parameters of the number of neurons in hidden layers 12 and 16, a learning rate of 0.05, and a data sharing ratio of 80:20 with the lowest average Mean Absolute Percentage Error (MAPE) of 1.55%, while linear regression analysis shows that buses and mini buses have a significant contribution to the increase in PM2.5 with coefficients of 0.496 and 0.206 respectively. Thus, the use of the ANN Backpropagation method for PM2.5 air quality forecasting provides accurate results with a low level of regression error, while linear analysis provides insight into the relationship between motorized vehicles and air quality in Jakarta.

ARABIC:

جنبا إلى جنب مع ازدياد السكان في جاكرتا لكل سنة، فازداد أيضا نشاط المركبات التي تسبب إلى تلوث الهواء. يكون ازدياد عدد المركبات ذات المحرك أوّل متبرعّ للملوّثات في الهواء، ومن أحد الـملوّثات هي الجسيمات المعلقة 2.5 ميكرو متر وتعني أنها ذرة صغيرة قطرها 2.5 مكرو متر تستطيع أن تدخل إلى الرئة بوسيلة التنفّس وتسبب إلى أمراض خطيرة وتجعل سوء جودة الهواء في بعض المدن. الهدف من البحث عملية التنبؤ جودة الهواء الجسيمات المعلقة 2.5 ميكرو متر في جاكرتا بناءً على متغيّر المركبات ذات المحرك باستخدام طريقة الانتشار العكسي للشبكة العصبية الاصطناعية، وتحليل علاقة متغيّر المركبات ذات المحرك على جودة الهواء الجسيمات المعلقة 2.5 ميكرو متر بتحليل انحدار خطي. دلت نتيجة البحث على أنّ أحسن الشكل للتنبؤ جودة الهواء الجسيمات المعلقة 2.5 ميكرو متر هو الشكل الذي أتى بمعيار عدد نيوترون في طبقات مخفية 12 و 16، و معدلات التعلم 0.05، و نسبة البيانات 80:20 وذلك بأدنى متوسط خطأ النسبة المئوية المطلق 1.55%، وأما بنسبة لتحليل انحدار خطي فدلّ على أن الحافلات و ميني باص تملك مساهمة كبيرة على ازدياد الجسيمات المعلقة 2.5 ميكرو متر بمعامل لكل واحد 496.0 و 206.0 . وبناء على ذلك ،استخدام طريقة الانتشار العكسي للشبكة العصبية الاصطناعية للتنبؤ جودة الهواء الجسيمات المعلقة 2.5 ميكرو متر تنتج نتيجة دقيقة بأدنى مستوى الخطأ وكذلك تنتج تحليل انحدار خطي بصيرة مفصلة عن أخطار المركبات ذات المحرك على جودة الهواء في جاكرتا.