Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Kolaboratif Sains
Sari, Ni Made Orcidia Wulaning Sari
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Health Professions Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Nursing Public Health Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Karbon Monoksida Menggunakan Model Machine Learning Berdasarkan Perbandingan Model Time Series Studi Kasus DKI Jakarta: Carbon Monoxide Prediction Using Machine Learning Model Based on Time Series Model Comparison DKI Jakarta Case Study Sari, Ni Made Orcidia Wulaning Sari; Hani Elindra; Agung Hari Saputra
Jurnal Kolaboratif Sains Vol. 7 No. 3: MARET 2024
Publisher : Universitas Muhammadiyah Palu

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56338/jks.v7i3.4819

Abstract

DKI Jakarta sebagai pusat kegiatan ekonomi, merupakan daerah dengan dinamika aktivitas dan tingkat kepadatan penduduk yang sangat tinggi, yang mana berpengaruh terhadap kualitas udara yang ada di wilayah tersebut. Rata - rata partikel PM 2.5 di Jakarta sebesar 160, level yang termasuk berbahaya bagi kesehatan manusia. Penelitian ini bertujuan untuk mengetahui dan menguji coba tingkat keakuratan model prediksi time series yang didapatkan dari proses perbandingan model pada library Pycaret yang dilakukan pada dalam memprediksi parameter pencemar udara berupa gas karbon monoksida di wilayah DKI Jakarta. Data yang digunakan pada penelitian ini adalah data ISPU DKI Jakarta selama 11 tahun dari 2010 hingga 2021. Hasil penelitian menunjukkan bahwa perbandingan dari model Machine Learning dimana didapatkan 3 model terbaik yaitu model Huber Regressor, model Linear Regressor dan Ridge Regressor untuk memprediksi karbon monoksida. Dari hasil keseluruhan, model Huber Regressor masih belum dapat menghasilkan prediksi yang akurat dan optimal. Terbukti dari nilai MAE sebesar 5.3187, nilai RMSE sebesar 8.9838, nilai MASE sebesar 0.5699, nilai RMSSE sebesar 0.6571, serta sebesar 0.2364 dan 0.2061 untuk MAPE dan SMAPE. Model masih memiliki banyak keterbatasan, terutama dalam menangani outlier atau peristiwa tak terduga sehingga model dan metode pada penelitian ini masih membutuhkan penyesuaian serta pengembangan lebih lanjut.
Co-Authors Agung Hari Saputra Hani Elindra