MODEL WAVELET NEURAL NETWORK UNTUK PEMODELAN POLUSI UDARA DI KOTA MATARAM LOMBOK NUSA TENGGARA BARAT INDONESIA

  • Syamsul Bahri Department of Mathematics, Faculty of Mathematics and Natural Science, Mataram
  • Syamsuddin Syamsuddin Department of Mathematics, Faculty of Mathematics and Natural Science, Mataram
  • Mustika Hadijati Department of Mathematics, Faculty of Mathematics and Natural Science, Mataram

Abstract

Beragam metode dan tehnik telah dilakukan dan dihasilkan untuk pemodelan pencemaran udara baik yang bersifat analitis, fisis, maupun numeris.  Model pencemaran udara yang mutakhir adalah model dengan pendekatan soft-computing yaitu model neural network (NN).  Namun dalam penerapannya, model NN yang digunakan masih berupa model NN standar belum dikombinasikan dengan metode wavelet atau teknik fuzzy (model hybrid).  Karakteristik data meteorologi dan polusi yang termasuk tipe data time series dan keunggulan metode NN dan Wavelet secara parsial maupun hybrid mendasari penelitian ini.  Pada penelitian ini akan dikembangkan model feed forward wavelet neural network (FF-WNN) yang berbasiskan pada keunggulan wavelet B-spline dan Morlet sebagai fungsi aktivasi pada model FFNN untuk memodelkan masalah pencemaran udara berdasarkan variabel data meteorologi dan parameter pencemaran udara itu sendiri.   Penerapan model ini dalam memodelkan pencemaran udara di Kota Mataram-Lombok, Nusa Tenggara Barat-Indonesia memberikan hasil yang cukup signifikan berdasarkan indikator root of means square error (RMSE).  Mengingat Pulau Lombok merupakan pulau kecil, model ini sekaligus dapat merepresentasikan pemodelan pencemaran udara untuk suatu kota dengan karakteristik sebagai kota pada pulau kecil.

Published
2019-05-10
How to Cite
BAHRI, Syamsul; SYAMSUDDIN, Syamsuddin; HADIJATI, Mustika. MODEL WAVELET NEURAL NETWORK UNTUK PEMODELAN POLUSI UDARA DI KOTA MATARAM LOMBOK NUSA TENGGARA BARAT INDONESIA. Prosiding Seminar Nasional Matematika dan Statistika, [S.l.], p. 43-56, may 2019. ISSN 2657-232X. Available at: <http://jurnal.fmipa.unmul.ac.id/index.php/SNMSA/article/view/526>. Date accessed: 26 feb. 2020.