Model Prediksi Temporal Polutan CO dan CO2 Menggunakan Long Short Term Memory.

Abstract

Kebakaran hutan dan lahan (karhutla) di Indonesia menyebabkan polusi kabut asap di kawasan Asia Tenggara. Hal ini mengakibatkan kualitas udara di sekitar lokasi karhutla menjadi tiga kali lipat dari tingkat berbahaya untuk kesehatan hingga melampaui angka 1000 pada Indeks Standar Polutan (ISP). Penelitian ini bertujuan untuk membuat model prediksi data konsentrasi CO dan CO2 dari karhutla dengan metode Long Short Term Memory Recurrent Neural Network. Data yang digunakan pada penelitian ini adalah data hasil simulasi HYSPLIT dengan input data titik panas Sumatra pada tahun 2019 dan data meteorologi pada tahun 2019. Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan data, seleksi data titik panas, simulasi dispersi, penggabungan data, praproses data, pembagian data, pembuatan model prediksi konsentrasi polutan CO dan CO2, dan evaluasi model dengan RMSE dan R. Penelitian ini menghasilkan model prediksi polutan CO yang memiliki nilai R dan RMSE terbaik sebesar 0.156977610 dan 2.882038 × 10-8. Sedangkan untuk model prediksi polutan CO2 memiliki nilai R dan RMSE terbaik sebesar 0.6164270 dan 1.815969 × 10-6.