Astuti, Astuti (2023) PREDIKSI PM2.5 PADA KOTA PEKANBARU MENGGUNAKAN METODE MONTE CARLO. Diploma thesis, Politeknik Caltex Riau.
Laporan PA Astuti.pdf - Submitted Version
Restricted to Registered users only
Download (3MB)
Poster PA Astuti.png - Submitted Version
Restricted to Registered users only
Download (748kB)
Abstract
Partikulat Matter atau disingkat PM2.5 merupakan unsur udara yang
berformat lebih kecil dari 2.5 mikron (mikrometer). Partikel PM2.5 dapat
berasal dari berbagai sumber yaitu pembangkit listrik, kendaraan
bermotor, pesawat terbang, pembakaran kayu perumahan, kebakaran
hutan, pembakaran pertanian, letusan gunung berapi dan badai debu.
Paparan terus menerus akan Partikel PM2.5 dapat menyebabkan deposit
plak pada arteri, dapat menyebabkan peradangan pembuluh darah dan
pengerasan arteri yang pada akhirnya dapat mengakibatkan serangan
jantung dan stroke. Para ilmuwan dalam studi tersebut memprediksi
bahwa untuk setiap 10 mikrogram per meter kubik (μg/m3) peningkatan
polusi udara partikulat PM2.5 ada 4%, 6%, dan 8% peningkatan risiko
kematian akibat kardiopulmoner, kanker paru-paru dan penyakit lainnya
Dari permasalahan tersebut maka akan dibangun sistem prediksi pm2.5
pada Kota Pekanbaru menggunakan metode Monte Carlo. Berdasarkan
permasalahan tersebut, maka dibangunlah sebuah sistem website yang
dapat memprediksi nilai PM2.5 dan statusnya menggunakan metode
Monte Carlo. Hasil pengujian yang diperoleh dari pengujian manual
memperoleh hasil yang sama dengan hasil prediksi melalui sistem dengan
perhitungan manual. Berdasarkan hasil pengujian sistem menggunakan
usability testing, pengujian memperoleh skor akhir rata – rata yaitu
83,6%. Sehingga dapat disimpulkan bahwa sistem yang telah diuji dapat
diterima oleh pengguna.
Kata kunci : Monte Carlo, Penyakit, PM2.5, Prediksi, Udara
Item Type: | Thesis (Diploma) |
---|---|
Subjects: | KBK > KBK Jurusan Teknologi Informasi > KBK Data Engineering |
Divisions: | Sarjana Terapan > Jurusan Teknologi Informasi > Sistem Informasi |
Depositing User: | Astuti Astuti |
Date Deposited: | 21 Aug 2023 07:21 |
Last Modified: | 21 Aug 2023 07:21 |
URI: | http://repository.lib.pcr.ac.id/id/eprint/533 |