Claim Missing Document
Check
Articles

Found 3 Documents
Search

Pemanfaatan Pemodelan Machine Learning dalam Memprediksi Parameter Kualitas Udara Nitrogen Dioksida (NO2) Berdasarkan Algoritma Extra Trees Regression di DKI Jakarta Zikri, Muhammad Aulia; Taruna, I Wayan Jyesta Jaya; Merdeka, Juang; Saputra, Agung Hari
JC-T (Journal Cis-Trans): Jurnal Kimia dan Terapannya Vol 7, No 2 (2023)
Publisher : State University of Malang or Universitas Negeri Malang (UM)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17977/um0260v7i22023p031

Abstract

Penelitian ini mengkaji kualitas udara di DKI Jakarta, terutama pada parameter Nitrogen Dioksida (NO2) dengan memanfaatkan model Extra Trees Regression untuk memprediksi indeks NO2. Penelitian menggunakan data time series NO2 tahun 2022, yang menunjukkan tidak adanya tren jangka panjang yang signifikan serta mengindikasikan data bersifat stasioner dan acak. Analisis periodogram, histogram, dan plot Q-Q menunjukkan distribusi normal dengan penyimpangan minor. Tidak ditemukan autokorelasi yang signifikan antara data aktual NO2 dan data model, menandakan kemungkinan adanya white noise. Evaluasi model dengan parameter seperti MASE, MAE, RMSE, MAPE, SMAPE, dan R2 menunjukkan kinerja model yang baik. Nilai R2 yang mencapai 73.14% menandakan kemampuan model dalam menjelaskan variabilitas data aktual. Meskipun model Extra Trees Regression mengikuti pola musiman, terdapat ketidaksesuaian antara nilai aktual dan prediksi di beberapa titik. Hal ini menandakan adanya potensi overfitting atau kesulitan dalam menangkap pola data secara spesifik. Penelitian ini memberikan informasi pemodelan yang cocok untuk memprediksi kualitas udara di DKI Jakarta.
Analisis Perubahan Garis Pantai Akibat Terjadinya Siklon Tropis Seroja di Pulau Sabu Nusa Tenggara Timur Zikri, Muhammad Aulia; Al Farrosi, Ahmad Ijmal; Rahmadani, Nur Fitri; Nugraheni, Imma Redha
Jurnal Kelautan Vol 17, No 2: Agustus (2024)
Publisher : Department of Marine Sciences, Trunojoyo University of Madura, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21107/jk.v17i2.24748

Abstract

ABSTRAKPerubahan garis pantai di wilayah pesisir disebabkan oleh berbagai faktor alami dan antropogenik seperti gelombang laut, arus permukaan, dan aktivitas manusia. Perubahan ini dapat berdampak signifikan terhadap lingkungan dan kehidupan manusia di wilayah tersebut. Penelitian ini fokus pada perubahan garis pantai di Pulau Sabu, Nusa Tenggara Timur, sebagai dampak Siklon Tropis Seroja pada April 2021. Data satelit Sentinel-2A dan data oseanografis digunakan untuk menganalisis perubahan garis pantai, arah, dan ketinggian gelombang signifikan, serta kecepatan arus permukaan selama periode siklon. Hasil analisis menunjukkan bahwa ketinggian gelombang signifikan mencapai 4 m dan arus berkecepatan melebihi 1,1 m/s. Perubahan garis pantai menunjukkan sebagian besar wilayah penelitian mengalami abrasi, dengan Desa Waduwalla, Ledeae, dan Ramedue mengalami abrasi yang besar. Di sisi lain, Desa Lobohede mengalami akresi terbesar. Jarak abrasi terbesar mencapai 34,97 m dengan laju abrasi 46,28 m/tahun. Total luas daratan yang mengalami abrasi adalah 45,18 hektar, sementara akresi hanya 1,13 hektar. Hasil ini memberikan pemahaman yang lebih baik tentang dampak Siklon Tropis Seroja terhadap perubahan garis pantai di Pulau Sabu, yang dapat digunakan untuk merumuskan kebijakan perlindungan pesisir dan mitigasi risiko di masa depan.Kata Kunci: Garis pantai, abrasi, akresi, Sentinel-2AABSTRACTShoreline changes in coastal areas are caused by various natural and anthropogenic factors such as ocean waves, surface currents and human activities. These changes can have significant impacts on the environment and human life in the region. This study focuses on shoreline changes on Sabu Island, East Nusa Tenggara, as a result of Tropical Cyclone Seroja in April 2021. Sentinel-2A satellite data and oceanographic data were used to analyze shoreline changes, significant wave height and  direction, and surface current velocity during the cyclone period. The analysis showed that significant wave heights reached 4 m and current speeds exceeded 1,1 m/s. Shoreline changes showed that most of the study area experienced abrasion, with Waduwalla, Ledeae and Ramedue villages experiencing major abrasion. On the other hand, Lobohede Village experienced the greatest accretion. The largest abrasion distance reached 34,97 m with an abrasion rate of 46,28 m/year. The total area of land experiencing abrasion is 45,18 hectares, while accretion is only 1,13 hectares. These results provide a better understanding of the impact of Cyclone Seroja on shoreline change in Sabu Island, which can be used to formulate coastal protection and risk mitigation policies in the future.Keywords: Shoreline, abrasion, accretion, Sentinel-2A  
PEMANFAATAN PEMODELAN NEURAL PROPHET DALAM MEMPREDIKSI PARAMETER PM10 (STUDI KASUS DKI JAKARTA) Zikri, Muhammad Aulia
Megasains Vol 15 No 1 (2024): Megasains Vol. 15 No. 1 Tahun 2024
Publisher : Stasiun Pemantau Atmosfer Global Bukit Kototabang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46824/megasains.v15i1.149

Abstract

Air quality is a serious issue in developing countries, especially in DKI Jakarta, driven by the increasing number of motor vehicles and industrial activities. This research examines the effectiveness of the Neural Prophet model in predicting PM10 concentrations as the primary air quality indicator. Daily data from DKI Jakarta's Air Quality Monitoring Station for the period 2018-2022 was used, with the model evaluated. Initial data underwent processing involving date format adjustments and the removal of irrelevant variables. The model was configured with predefined hyperparameters and tested using a holdout technique, splitting the data into a 95% training set and a 5% testing set. Model evaluation showed a significant reduction in errors, indicating effective learning. Time series data exhibited annual fluctuations, primarily peaking from June to October. The model's predictions aligned reasonably well with actual data, albeit with uncertainty at some points. This research demonstrates that Neural Prophet can predict PM10 concentrations with adequate accuracy, potentially serving as a tool for air quality management and planning in DKI Jakarta.