Implementasi metode linear regression untuk memprediksi kualitas udara di kota Malang berdasarkan polutan (2019-2023)

INDONESIA:

Manusia akan selalu berinteraksi dengan komponen-komponen penyusun lingkungan, seperti udara. Kualitas udara yang baik akan menghasilkan kehidupan yang sehat. Akan tetapi, seiring dengan perubahan aktivitas manusia seperti urbanisasi, pembangunan, dan industrialisasi menyebabkan penambahan polutan pencemar udara sehingga menurunkan kualitas udara. Hal tersebut banyak terjadi terutama di kota-kota besar, seperti kota Malang. Penurunan kualitas udara ini memberi dampak buruk mulai dari permasalahan kesehatan hingga memicu perubahan iklim. Untuk mengantisipasi dampak buruk tersebut, penelitian ini mengimplementasikan metode linear regression untuk memprediksi kualitas udara di Kota Malang berdasarkan polutan. Polutan yang digunakan terdiri dari CO, NO2, SO2, O3. PM2.5. Dalam penelitian ini, data dianalisis menggunakan data lima tahunan (2019-2023) dan data pertahun mulai dari 2019 hingga 2023. Masing-masing data dibagi menjadi dua skenario yaitu dengan normalisasi dan tanpa normalisasi. Masing-masing skenario terdapat tiga model split data yaitu 75:25, 80:20, dan 90:10. Setiap model dievaluasi menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil evaluasi menunjukkan bahwa dengan atau tanpa normalisasi data hanya memiliki pengaruh yang sangat kecil pada hasil evaluasi dan pengujian dengan data lima tahunan lebih sesuai untuk penelitian ini. Selain itu, semakin banyak selisih antara hasil prediksi dan nilai aktual membuat hasil evaluasi MAE, MSE, dan RMSE menjadi lebih tinggi.

ENGLISH:

Humans constantly interact with their environment components, such as air. Good air quality will lead to a healthy life. However, the changes in human activities, such as urbanization, development, and industrialization, increase air pollutants and decrease air quality. It often occurs in big cities like Malang City. The air quality brings various bad impacts, from causing health issues to triggering climate change. To anticipate them, the research implements a regression linear method to predict air quality in Malang city based on pollutants. The researcher employed pollutants consisting of CO, NO2, SO2, O3, and PM2.5. In this study, data was analyzed using five-year data (2019-2023) and annual data from 2019 to 2023. Each data was split into two scenarios: using and without normalization. Each scenario had three split data models: 75:25, 80:20, and 90:10. Each model was evaluated using Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). The evaluation result shows that using or without data normalization has an insignificant influence on the result. The test using five-year data is more suitable for the research. Furthermore, the higher the prediction result and actual score difference, the higher the evaluation result of MAE, MSE, and RMSE.

ARABIC:

سيتفاعل البشر دائما مع المكونات التي تشكل البيئة، مثل الهواء. جودة الهواء الجيدة ستؤدي إلى حياة صحية. ومع ذلك، إلى جانب التغيرات في الأنشطة البشرية مثل التحضر والتنمية والتصنيع، فإنه يتسبب في إضافة ملوثات الهواء، وبالتالي انخفاض جودة الهواء. يحدث هذا كثيرا، خاصة في المدن الكبرى، مثل مدينة مالانج. هذا الانخفاض في جودة الهواء له تأثير سيء يتراوح من المشاكل الصحية إلى التسبب في تغير المناخ. لتوقع هذه الآثار الضارة، نفذ هذا البحث طريقة الانحدار الخطي للتنبؤ بجودة الهواء في مدينة مالانج بناء على الملوثات. تتكون الملوثات المستخدمة من CO و NO2 و SO2 و O3. PM2.5. في هذا البحث، تم تحليل البيانات باستخدام بيانات خمس سنوات متوالية (2019-2023) والبيانات السنوية من 2019 إلى 2023. تنقسم كل بيانات إلى سيناريوهين، وهما التطبيع وعدم التطبيع. لكل سيناريو، هناك ثلاثة نماذج لتقسيم البيانات، وهي 75:25 و 80:20 و 90:10. تم تقييم كل نموذج باستخدام متوسط الخطأ المطلق (MAE) ومتوسط الخطأ التربيعي (MSE) وجذر متوسط الخطأ التربيعي (RMSE). أظهرت نتائج التقييم أنه مع أو بدون تطبيع البيانات لم يكن له سوى تأثير ضئيل جدا على نتائج التقييم والاختبار مع بيانات خمس سنوات متوالية كان أكثر ملاءمة لهذا البحث. بالإضافة إلى ذلك، كلما زاد الاختلاف بين النتائج المتوقعة والقيمة الفعلية، زادت نتائج تقييم MAE و MSE و RMSE