Klasifikasi pola gas polutan udara menggunakan e-nose berbasis IoT

ABSTRAK

Peningkatan aktivitas antropogenik di wilayah perkotaan telah menyebabkan permasalahan polusi udara yang semakin serius. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan pola gas polutan udara menggunakan Electronic Nose (E-Nose) berbasis Internet of Things (IoT) di Jl. Joyo Suko No. 15, Kota Malang dan Jl. Wukir No. 23, Kota Batu. Sensor array gas MQ2, MQ3, MQ4, MQ5, MQ6, dan MQ7 digunakan untuk mendeteksi gas seperti hidrogen, bensin, metana, dihidrogen, LPG, dan karbon monoksida. Data yang diperoleh dianalisis menggunakan metode Principal Component Analysis (PCA) untuk mengklasifikasikan karakteristik polusi udara di kedua lokasi. Pada analisis waktu pagi hari, nilai eigenvalue PC1 adalah 54,4%, PC2 23%, dan PC3 17,5% dengan nilai kumulatif 94,9%. Sementara pada siang hari, PC1 menjelaskan 56,1% variabilitas data, PC2 27,6%, dan PC3 10,4% dengan nilai kumulatif 94,1%. Untuk analisis sore hari, nilai eigenvalue PC1 adalah 50,3%, PC2 27%, dan PC3 17,1% dengan nilai kumulatif 94,4%. Secara komprehensif, PC1 memiliki nilai eigenvalue 52,5%, diikuti PC2 24,8%, dan PC3 16,1% dengan nilai kumulatif 93,4%. Analisis mengungkapkan perbedaan signifikan dalam profil polusi antara Kota Malang dan Batu, yang dipengaruhi oleh faktor-faktor seperti aktivitas antropogenik, kondisi geografis, dan meteorologi. Penelitian ini memberikan wawasan tentang kondisi polusi udara di wilayah tersebut dan menunjukkan potensi E-Nose berbasis IoT sebagai alat pemantauan kualitas udara yang efektif.

ABSTRACT

Increased anthropogenic activities in urban areas have caused increasingly serious air pollution problems. This research aims to identify and classify air pollutant gas patterns using an Internet of Things (IoT) based Electronic Nose (E-Nose) on Jl. Joyosuko No. 15, Malang City, and Jl. Wukir No. 23, Batu City. The MQ2, MQ3, MQ4, MQ5, MQ6, and MQ7 gas array sensors are used to detect gases such as hydrogen, gasoline, methane, dihydrogen, LPG, and carbon monoxide. The obtained data was analyzed using the Principal Component Analysis (PCA) method to classify the characteristics of air pollution at both locations. In the morning analysis, the eigenvalue of PC1 was 54.4%, PC2 23%, and PC3 17.5% with a cumulative value of 94.9%. Meanwhile, during the day, PC1 explained 56.1% of the data variability, PC2 27.6%, and PC3 10.4% with a cumulative value of 94.1%. For the afternoon analysis, the eigenvalue of PC1 was 50.3%, PC2 27%, and PC3 17.1% with a cumulative value of 94.4%. Comprehensively, PC1 had an eigenvalue of 52.5%, followed by PC2 24.8%, and PC3 16.1% with a cumulative value of 93.4%. The analysis revealed significant differences in pollution profiles between Malang and Batu Cities, influenced by factors such as anthropogenic activities, geographic conditions, and meteorology. This research provides insights into the air pollution conditions in the region and demonstrates the potential of the IoT-based E-Nose as an effective air quality monitoring tool.

مستخلص البحث

تسببت الأنشطة البشرية المتزايدة في المناطق الحضرية في حدوث مشاكل تلوث الهواء الخطيرة بشكل متزايد. يهدف هذا البحث إلى تحديد وتصنيف أنماط غازات ملوثات الهواء باستخدام الأنف الإلكتروني (E-Nose) القائم على إنترنت الأشياء (IoT) في شارع جويوسوكو رقم 15، مدينة مالانج وشارع ووكير رقم 23، مدينة باتو. تُستخدم مستشعرات مجموعة الغازات MQ2 و MQ3 و MQ4 و MQ5 و MQ6 و MQ7 للكشف عن الغازات مثل الهيدروجين والبنزين والميثان والهيدروجين وغاز البترول المسال وأول أكسيد الكربون. تم تحليل البيانات التي تم الحصول عليها باستخدام طريقة تحليل المكونات الرئيسية (PCA) لتصنيف خصائص تلوث الهواء في كلا الموقعين. في التحليل الصباحي، كانت القيمة الذاتية لـ PC1 54.4%، و PC2 23%، و PC3 17.5% بقيمة تراكمية قدرها 94.9%. في الوقت نفسه خلال النهار، فسر PC1 56.1% من تباين البيانات، و PC2 27.6% ، و PC3 10.4% بقيمة تراكمية قدرها 94.1%. بالنسبة لتحليل فترة ما بعد الظهر، كانت القيمة الذاتية لـ PC1 50.3%، و PC2 27% ، و PC3 17.1% بقيمة تراكمية قدرها 94.4%. بشكل شامل، كانت للمكون PC1 قيمة ذاتية تبلغ 52.5%، يليه PC2 بنسبة 24.8% ، و PC3 16.1% بقيمة تراكمية قدرها93.4% . كشف التحليل عن اختلافات كبيرة في معدلات التلوث بين مدينتي مالانج وباتو، والتي تأثرت بعوامل مثل الأنشطة البشرية والظروف الجغرافية والأرصاد الجوية. يوفر هذا البحث نظرة ثاقبة لظروف تلوث الهواء في المنطقة ويظهر إمكانات الأنف الإلكتروني القائم على إنترنت الأشياء كأداة فعالة لرصد جودة الهواء.