ALESSANDRO DELPIERO TAMBUNAN and ARI GONJALES NAINGGOLAN (2023) ANALISIS TIME SERIES UNTUK PREDIKSI POLUSI UDARA DENGAN MODEL PROPHET FACEBOOK DAN SVR. Undergraduate (S-1) thesis, Universitas Mikroskil.
BAGIAN AWAL.pdf
Download (8MB)
BAB I.pdf
Download (1MB)
BAB II.pdf
Download (5MB)
BAB III.pdf
Restricted to Registered users only
Download (5MB)
BAGIAN AKHIR.pdf
Download (1MB)
Abstract
Polusi udara merupakan masalah serius di Provinsi DKI Jakarta yang mempengaruhi kualitas udara dan kesehatan masyarakat. Prediksi yang akurat tentang tingkat polusi udara di wilayah ini penting untuk mengambil langkah mitigasi yang tepat. Prediksi penelitian ini digunakan dengan model Prophet dan SVR. Penelitian ini bertujuan untuk mengimplementasikan metode peramalan time series prophet dan SVR dalam meramalkan tingkat polusi udara. Model prophet diterapkan pada data ini dengan memperhitungkan komponen musiman dan tren dalam peramalan sedangkan model SVR diterapkan untuk membantu mengendalikan kompleksitas model dan mencegah overvitting serta memiliki tingkat akurasi yang tinggi. Dalam penelitian ini, peneliti menggunakan model Prophet dan model SVR sebagai model pembanding dari model prophet dalam memprediksi polusi udara di Provinsi DKI Jakarta. Hasil peramalan dengan model prophet dan SVR memperoleh hasil yang baik dalam akurasi prediksi dengan nilai rata-rata MAPE pada model prophet sebesar 1.9 % dan pada model SVR sebesar 0.21 pada yang dilakukan pada parameter SO2, PM10, NO2, CO, O3. Prediksi yang dilakukan dengan model Prophet dengan menggunakan parameter seperti penerapan komponen holidays (hari libur), tren, dan seasonality (bulanan). Hasil akurasi model prophet dan SVR menunjukkan bahwa peramalan termasuk sangat baik karena tingkat eror dibawah 10%. Maka model prophet dan SVR ini sangat baik untuk peramalan Polusi Udara.
Item Type: | Tugas Akhir / Tesis (Undergraduate (S-1)) |
---|---|
Subjects: | Sistem Informasi |
Divisions: | Fakultas Informatika > Program Studi S-1 Sistem Informasi |
Depositing User: | Rospi Marlena |
Date Deposited: | 19 Sep 2023 03:55 |
Last Modified: | 19 Sep 2023 03:55 |
URI: | https://repository.mikroskil.ac.id/id/eprint/3194 |