Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2026
- Tujuan
- Nomor
- e756c3a9-2257-44a9-8854-031f28781a37
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro (UDINUS) melaksanakan kegiatan peramalan kualitas udara dengan Anggraini, Lilis; Noersasongko, Edi; Marjuni, Aris; dan Purwanto sebagai peserta kegiatan. Kegiatan ini mengeksplorasi peramalan kualitas udara multivariat per jam menggunakan Multivariate Exponential Smoothing–Long Short-Term Memory (MES-LSTM) sebagai kerangka peramalan utama. Keterkaitannya dengan Tujuan Pembangunan Berkelanjutan 3 tercermin dalam tujuan yang dinyatakan, yaitu mendukung pengelolaan lingkungan, melindungi kesehatan masyarakat, dan memungkinkan intervensi peringatan dini secara tepat waktu.
Kegiatan ini menggunakan Beijing Air Quality dataset untuk memprediksi karbon monoksida (CO), nitrogen oksida (NO), nitrogen dioksida (NO2), ozon (O3), dan sulfur dioksida (SO2). Protokol evaluasi yang terstandar diterapkan pada seluruh model melalui prosedur prapemrosesan yang identik, pembagian data kronologis, jendela tinjauan 24 jam, dan horizon peramalan satu jam. MES-LSTM dievaluasi terhadap Long Short-Term Memory (LSTM), Temporal Fusion Transformer (TFT), serta arsitektur hibrida MES-LSTM–TFT.
Hasil kegiatan menunjukkan bahwa MES-LSTM menghasilkan kesalahan peramalan terendah untuk beberapa polutan, khususnya CO, NO2, dan O3, serta tetap kompetitif untuk NO dan SO2. Model hibrida MES-LSTM–TFT tidak meningkatkan kinerja peramalan dan secara umum menghasilkan kesalahan prediksi yang lebih besar dibandingkan model satu tahap yang bersesuaian. Analisis ketahanan mencakup eksperimen lima-seed, persistence baseline, dan ablation multivariate coupling. Analisis tersebut menunjukkan bahwa efektivitas pemodelan interaksi polutan bergantung pada polutan target yang diprediksi. Analisis tersebut juga menilai stabilitas dan reproduktibilitas. Secara keseluruhan, kegiatan ini menunjukkan bahwa penggabungan exponential smoothing dengan residual learning merupakan pendekatan yang efektif dan kuat untuk peramalan kualitas udara multivariat jangka pendek, sedangkan peningkatan kompleksitas arsitektur tidak selalu meningkatkan kinerja prediktif. Dalam konteks SDG 3, kegiatan ini menyediakan bukti peramalan yang berkaitan dengan perlindungan kesehatan masyarakat dan dukungan peringatan dini.