Wibowo, Ajeng Wahyu (2025) Peningkatan Akurasi Peramalan Arima dan Arimax pada Indeks Kualitas Udara Kota Jakarta menggunakan Hybrid lSTM / Ajeng Wahyu Wibowo</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Ada dua pendekatan utama yang dilakukan untuk mencapai hasil yang diinginkan dan meningkatkan akurasi yaitu (1) mengembangkan dan mengusulkan model ramalan baru dan (2) mengkombinasikan model-model ramalan yang telah ada. Pada penelitian ini dilakukan dengan menggunakan pendekatan yang kedua yaitu mengkombinasikan model-model yang sudah ada khususnya dengan cara hibridisasi (penggabungan). Dimana pada penelitian ini akan menggabungkan dua metode yaitu metode ARIMA (Autoregressive Integrated Moving Average) dan ARIMAX (Autoregressive Integrated Moving Average with Exogenous Variables) dengan LSTM (Long Short-Term Memory). Metode ARIMA dan ARIMAX untuk menangkap hubungan linier sedangkan LSTM untuk menangkap hubungan non-liniernya lewat residu dari model metode ARIMA dan ARIMA. Variabel yang digunakan sebagai penelitian adalah data harian Indeks Kualitas Udara (IKU) untuk PM2.5 ( mu m/m3) sedangakn untuk variabel eksogen diantaranya suhu udara minimum (Tn) ( deg C) suhu udara maksimum (Tx) ( deg C) suhu udara rata-rata (Tavg) ( deg C) kelembaban udara rata-rata (RH_avg) (persen) durasi sinar matahari (ss) (jam) kecepatan angin maksimum (ff_x) (m/s) dan kecepatan angin rata-rata (ff_avg) (m/s) yang tercatat dari 1 November 2021 hingga 28 Mei 2024 dengan total 940 pengamatan. Diperoleh model linier yang paling sesuai yaitu ARIMA(1 1 1) dan ARIMA(1 1 1)( Tavg RH_avg ff_avg). Kemudian diperoleh residu dari model pertama yang akan digunakan sebagai data penelitian di model LSTM. Parameter umum yang digunakan dalam model LSTM meliputi jumlah lapisan (number of layers) tingkat pembelajaran (learning rate) dropout jumlah neuron epoch dan batch size. Dalam penelitian ini data training memiliki format (752 1 1) dan data testing memiliki format (188 1 1). Hyperparameter yang paling baik untuk model hybrid ARIMA-LSTM diantaranya layer (2) neurons (hidden layer)(10) dropout (0 2) learning rate (0 001) epoch (20) dan batch size (32). Sedangkan untuk model hybrid ARIMAX-LSTM Hyperparameter yang paling baik untuk model hybrid ARIMA-LSTM diantaranya layer (2) neurons (hidden layer)(40) dropout (0 2) learning rate (0 001) epoch (20) dan batch size (32). Dari semua model yang diperoleh Model ARIMA-LSTM merupakan model yang paling unggul dengan nilai MAPE lt 10% yang mengindikasikan akurasi prediksi sangat baik. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 07 Feb 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/394366 |
Actions (login required)
 |
View Item |