ANALYSIS OF NEURAL NETWORK ALGORITHM IN URBAN AIR QUALITY PREDICTION

Dewi Anggraeni, Sri Rezki Maulina Azmi

Abstract


Abstract: Air quality in urban areas is becoming an increasingly important issue considering its impact on human health and the environment. The rapid increase in air pollution requires effective methods to predict air quality in order to take appropriate mitigation measures. This study aims to analyze the use of Neural Network (NN) algorithms in predicting air quality in cities. The method used is the application of the NN model, especially the Multilayer Perceptron (MLP), which is trained using historical air quality data such as dust particle levels (PM10, PM2.5), carbon monoxide (CO) gas, and temperature. The data used in this study came from urban air quality monitoring stations collected over a period of time. The results show that the Neural Network algorithm can provide quite accurate predictions of air quality with a low Mean Absolute Error (MAE) value, showing the effectiveness of the model in predicting f fluctuations in air quality. The conclusion of this study is that Neural Network algorithms, specifically MLPs, are an effective tool for air quality prediction, which can be used as a basis for urban air quality management policies. 


Keywords: air quality;  neural network; prediction; multilayer perceptron (MLP) 

 

Abstrak: Kualitas udara di perkotaan menjadi isu yang semakin penting mengingat dampaknya terhadap kesehatan manusia dan lingkungan. Peningkatan polusi udara yang pesat memerlukan metode yang efektif untuk memprediksi kualitas udara guna mengambil langkah mitigasi yang tepat. Penelitian ini bertujuan untuk menganalisis penggunaan algoritma Neural Network (NN) dalam memprediksi kualitas udara di perkotaan. Metode yang digunakan adalah penerapan model NN, khususnya Multilayer Perceptron (MLP), yang dilatih menggunakan data kualitas udara historis seperti kadar partikel debu (PM10, PM2.5), gas karbon monoksida (CO), dan suhu. Data yang digunakan dalam penelitian ini berasal dari stasiun pemantauan kualitas udara di perkotaan yang dikumpulkan selama periode waktu tertentu. Hasil penelitian menunjukkan bahwa algoritma Neural Network dapat memberikan prediksi yang cukup akurat terhadap kualitas udara dengan nilai Mean Absolute Error (MAE) yang rendah, menunjukkan efektivitas model dalam memprediksi fluktuasi kualitas udara. Simpulan dari penelitian ini adalah bahwa algoritma Neural Network, khususnya MLP, merupakan alat yang efektif untuk prediksi kualitas udara, yang dapat digunakan sebagai dasar untuk kebijakan pengelolaan kualitas udara di perkotaan

Kata kunci: kualitas udara; neural network; prediksi; multilayer perceptron (MLP)


Full Text:

PDF

References


A. Wahyudi, “Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Decision Tree Dan Naïve Bayes,” J. Permata Indones., vol. 14, no. 2, pp. 132–138, 2023, doi: 10.59737/jpi.v14i2.276.

W. Aryanti, “dengan Algoritma Backpropagation untuk Memprediksi Harga Saham,” J. Ris. Stat., vol. 3, pp. 107–118, 2023.

Y. Octavianus and D. Avianto, “Modifikasi Arsitektur dalam Convolutional Neural Network untuk Klasifikasi Batik Lampung dan Batik Yogyakarta Abstrak,” vol. 6, no. 1, pp. 522–535, 2025.

M. L. Harahap and H. Syahputra, “DETEKSI OBJEK JAMUR PADA ROTI TAWAR SECARA REAL-TIME,” vol. 9, no. 2, pp. 2109–2114, 2025.

N. Puteri, W. Astuti, and A. F. Ihsan, “Analyzing tempearture anomalies in monitoring data using convolutional neural network 1.,” vol. 10, no. 1, pp. 589–598, 2025.

L. Untuk, P. Dan, and K. Data, “Framework data mining.”

F. Arifin, H. Sibyan, N. Hasanah, N. L. Processing, and A. N. Network, “RANCANG BANGUN CHATBOT PADA SISTEM EKAPTA BERBASIS NATURAL LANGUAGE PROCESSING DENGAN ALGORITMA,” vol. 4, no. 1, pp. 1–8, 2025.

B. Santosa, A. Juliansyah, and R. A. Watulkhasanah, “Dampak Teknik Inisialisasi Bobot terhadap Efisiensi dan Kinerja Neural Network : Studi Kasus pada Dataset MNIST,” vol. 1, no. 1, pp. 1–5, 2025.

T. Iwasawa and B. H. Prasetio, “Implementasi Sistem Rumah Pintar Berbasis Pengenalan Suara Menggunakan Keyword Spotting dan Convolutional Neural Network,” vol. 9, no. 4, pp. 1–6, 2025.

B. Adiyasa et al., “DETEKSI BENCANA BANJIR BERDASARKAN DATA CURAH HUJAN DI DAERAH JAKARTA MENGGUNAKAN LOGISTIC REGRESSION,” vol. 9, no. 2, pp. 1–8, 2025.

J. Teknik, E. Politeknik, N. Bengkalis, S. Alam, and R. Indonesia, “Implementasi Neural Network Untuk Menentukan,” vol. 09, no. 1, pp. 1–7, 2019.




DOI: https://doi.org/10.33330/jurteksi.v11i2.3822

Article Metrics

Abstract view : 38 times
PDF - 19 times

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM) Universitas Royal

Copyright © LPPM UNIVERSITAS ROYAL

 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.