Perbandingan Model Gated Recurrent Unit (GRU) Dan Long Short-Term Memory (LSTM) Dalam Prediksi Kualitas Udara Kota Bandar Lampung
Kualitas udara yang buruk dapat berdampak negatif pada kesehatan manusia dan lingkungan dalam berbagai cara. Sebagai salah satu kota yang berkembang pesat di Indonesia, Bandar Lampung menghadapi masalah penurunan kualitas udara sebagai akibat dari peningkatan jumlah kendaraan, aktivitas industri, dan perubahan iklim. Untuk mengantisipasi dan mengelola kondisi tersebut, diperlukan sistem prediksi kualitas udara yang akurat. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma output, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), dalam memprediksi kualitas udara menggunakan data historis indeks kualitas udara (AQI) dan variabel cuaca seperti suhu, kelembapan, dan kecepatan angin. Data diperoleh dari sensor kualitas udara dan platform Weatherbit, yang kemudian diproses melalui tahapan pembersihan, normalisasi, serta pembentukan data deret waktu. Model dievaluasi menggunakan metrik MAE, RMSE, MAPE, dan koefisien determinasi (R²). Hasil menunjukkan bahwa GRU memberikan performa lebih baik dengan MAE sebesar 0.0144, RMSE sebesar 0.0210, MAPE sebesar 0.0536, dan R² sebesar 0.9774, dibandingkan LSTM dengan MAE 0.0158, RMSE 0.0227, MAPE 0.0608, dan R² 0.9737. Dengan demikian, GRU lebih unggul dalam hal akurasi dan efisiensi, menjadikannya model yang lebih direkomendasikan untuk prediksi kualitas udara di Kota Bandar Lampung.
URI
https://repo.itera.ac.id/depan/submission/SB2508150055
Keyword
Prediksi kualitas udara LSTM GRU time series Bandar Lampung