PREDIKSI INDEKS STANDAR PENCEMARAN UDARA DI KOTA YOGYAKARTA DENGAN MODEL LONG SHORT-TERM MEMORY DAN GATED RECURRENT UNIT

Abstract

Polusi udara merupakan salah satu permasalahan lingkungan yang berdampak signifikan terhadap kesehatan masyarakat, kualitas hidup, dan stabilitas ekonomi, khususnya di kota-kota besar seperti Kota Yogyakarta. Kurangnya informasi dini mengenai tingkat pencemaran udara menyebabkan kesulitan dalam upaya pencegahan baik untuk masyarakat maupun pemerintah. Penelitian ini bertujuan untuk memprediksi nilai indeks standar pencemaran udara yang berdasar kepada lima jenis polutan udara yaitu PM₁₀, SO₂, CO, NO₂, dan O₃ di Kota Yogyakarta. Penelitian ini dilakukan dengan menggunakan dua metode deep learning berbasis Recurrent Neural Network, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Kedua model dilatih dengan menggunakan data deret waktu dari Tahun 2020 – Tahun 2023, dan dievaluasi menggunakan metrik evaluasi berupa Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa kedua model mampu memberikan prediksi dengan akurasi yang baik. Model LSTM menghasilkan MAE di bawah 4 dan RMSE di bawah 6 untuk semua polutan, dengan performa terbaik pada prediksi CO. Sementara itu, model GRU menunjukkan nilai MAE antara 1.9 hingga 4, dengan performa terbaik pada prediksi NO₂. Hasil ini menunjukkan bahwa pendekatan prediktif dengan LSTM dan GRU efektif dalam memberikan informasi dini kualitas udara di Kota Yogyakarta.