Implementasi GRU pada Model Prediksi Polusi Udara

Abstract

Polusi udara merupakan masalah lingkungan yang serius dan memiliki dampak kesehatan yang signifikan. Dalam upaya mengatasi tantangan ini, penelitian ini bertujuan untuk mengimplementasikan Gated Recurrent Unit (GRU) pada model prediksi polusi udara. GRU, sebagai varian dari jaringan saraf rekuren (RNN), dianggap dapat mengatasi beberapa keterbatasan yang dimiliki oleh metode prediksi konvensional.
Metode penelitian ini melibatkan langkah-langkah implementasi GRU pada dataset polusi udara yang relevan. Dataset ini mencakup informasi historis tentang parameter-parameter seperti partikulat matter (PM), ozon (O3), dan nitrogen dioksida (NO2). GRU diaplikasikan untuk menggali pola temporal dan hubungan antarvariabel guna meningkatkan akurasi prediksi.Eksperimen dilakukan dengan menggunakan dataset waktu yang telah dikumpulkan selama periode tertentu. Hasil analisis menunjukkan bahwa model GRU memberikan hasil prediksi yang lebih akurat dibandingkan dengan metode prediksi konvensional. Temuan ini menunjukkan potensi implementasi GRU dalam meningkatkan ketepatan prediksi polusi udara.Analisis mendalam terhadap hasil eksperimen memberikan wawasan tentang kinerja model, serta identifikasi potensi perbaikan di masa depan. Kesimpulan dari penelitian ini menggarisbawahi kontribusi GRU dalam konteks prediksi polusi udara, sambil memberikan arahan untuk penelitian lebih lanjut. Dengan mengintegrasikan GRU dalam model prediksi polusi udara, harapannya dapat memberikan kontribusi positif dalam upaya mitigasi dan pengelolaan polusi udara di masa depan.