Analisis dan Peramalan Polusi Udara di Surabaya Menggunakan Metode Fuzzy Time Series

Wahananta Izha Mahendra (Universitas Nahdlatul Ulama Sidoarjo)
Anggay Luri Pramana (Universitas Nahdlatul Ulama Sidoarjo)

Voteteknika (Vocational Teknik Elektronika dan Informatika)
Vol 12, No 2 (2024): Vol. 12, No 2, Juni 2024

Peramalan merupakan proses atau metode untuk menghasilkan estimasi atau prediksi mengenai peristiwa atau kondisi yang akan terjadi di masa depan berdasarkan informasi yang tersedia saat ini. Peramalan polusi udara ini dilakukan untuk menyikapi dampak negatif polusi udara membutuhkan pemahaman yang mendalam terhadap perubahan struktur kualitas udara di Surabaya, analisis dan peramalan polusi udara sangat penting untuk menjaga keseimbangan ekologi dan kesehatan masyarakat.  Metode yang dilakukan dengan menggunakan Fuzzy Time Series. Uji coba dilakukan dengan dataset sebanyak 533 data dari tahun 2022 hingga pertengahan tahun 2023. Adapun hasil yang didapat dengan evaluasi Mean Absolute Percentage Error (MAPE) cukup baik, dengan hasil 18,71% mendapatkan interpretasi peramalan baik. Evaluasi akurasi peramalan juga menggunakan Mean Squared Error (MSE) dengan mendapat skor 188,32 dan nilai Root Mean Squared Error (RMSE) sebesar 13,72. Kesimpulan, program peramalan polusi udara ini dapat dikembangkan dan memberikan informasi terkait polusi udara di Surabaya di masa yang akan datang.Kata kunci : peramalan, polusi udara, Fuzzy Time Series, evaluasi. Forecasting is a process or method for generating estimates or predictions about events or conditions that will occur in the future based on information available today. Air pollution forecasting is done to address the negative impact of air pollution requires a deep understanding of the structural changes in air quality in Surabaya, air pollution analysis and forecasting is very important to maintain ecological balance and public health.  The method is done by using Fuzzy Time Series. The trial was conducted with a dataset of 533 data from 2022 to mid-2023. The results obtained by evaluating the Mean Absolute Percentage Error (MAPE) is quite good, with the results of 18.71% get a good forecasting interpretation. Evaluation of forecasting accuracy also uses Mean Squared Error (MSE) with a score of 188.32 and Root Mean Squared Error (RMSE) of 13.72. In conclusion, this air pollution forecasting program can be developed and provide information related to air pollution in Surabaya in the future.Keywords: forecasting, air pollution, Fuzzy Time Series, evaluation.