1. UKM Learning and Research Repository
2. PHD Thesis / Tesis PHD
3. Institute of Climate Change / Institut Perubahan Iklim

Title:	Pembangunan sensor kualiti udara untuk pengukuran dan penentukuran pencemaran udara terpilih menggunakan teknik pembelajaran mesin
Authors:	Kemal Maulana Alhasa (P89320)
Supervisor:	Mohd Shahrul Mohd Nadzir, Dr.
Keywords:	Air quality Air -- Pollution -- Environmental aspects Universiti Kebangsaan Malaysia -- Dissertations Dissertations, Academic -- Malaysia
Issue Date:	3-Sep-2020
Description:	Semasa fenomena jerebu, kualiti udara selalumya dikaitkan dengan kesan kesihatan terutamanya terhadap peningkatan penyakit dan gejalanya. Tambahan pula, tahap pencemaran udara yang tinggi dapat menyebabkan penglihatan dan kesihatan manusia terjejas. Secara amnya, pencemaran udara dipantau oleh kerajaan atau saintis akademik dengan menggunakan peralatan yang jitu dan mahal. Di Malaysia, terdapat 65 rangkaian stesen pemantauan kualiti udara berterusan. Walau bagaimanapun, kos pemasangan dan penyelenggaraan yang tinggi menyebabkan jumlah stesen pemantauan rasmi sedikit yang pada akhirnya resolusi spatial dalam pemantauan pencemaran udara menjadi terhad. Resolusi spasial yang buruk menyebabkan sukar untuk mengenali pencemaran sumber tempatan, terutama dalam skala bandar. Penggunaan sensor kualiti udara berkos rendah (Low Cost Air Quality Sensor - LAQS) adalah teknik alternatif yang yang boleh digunapakai sebagai penyokong kepada stesen pemantauan rasmi. Ini membolehkan pihak berkuasa dan saintis akademik mencapai resolusi yang lebih baik. Pun begitu,kejituan data yang dihasilan oleh LAQS masih dipersoalkan, tidak ada protokol yang mengatur mengenai kawalan mutu LAQS. LAQS selalunya sensitif kepada keadaan ambien dan menghadapi sensitiviti silang pencemar, yang secara historis kurang ditangani oleh teknik penentukuran makmal. Oleh itu, objektif utama tesis ini adalah untuk menyelesaikan masalah itu dengan menggunakan model penentukuran yang berbeza dengan tujuan meningkatkan kejituan dan prestasi dari LAQS. Untuk memenuhi objektif tersebut, AirboxSense iaitu eletrokimia sensor berbiaya rendah telah dibangunkan bagi memantau gas ozon permukaan (O3), nitrogen dioksida (NO2), dan karbon monoksida (CO), suhu dan kelembapan relatif serta pencatat data modul GSM untuk penyimpanan dan penghantaran data. Terdapat tiga kaedah utama yang akan digunakan seperti penentukuran makmal, regresi linear dan regresi linier berganda empirikal, dan pembelajaran mesin menggunakan sistem inferens kabur neural adaptif (Adaptive Neuro Fuzzy Inference System €“ ANFIS), perseptron pelbagai lapisan (Multi-Layer Perceptron - MLP) dan rangkaian fungsi asas radial (Radial basis function network - RBFN). Dalam kajian ini, pembangunan sebuah prototaip LAQS (AirboxSense) telah berjaya dibina dan dipasang di dua lokasi pemantauan (UKM dan stesen rujukan rasmi Putrajaya) bagi mengukur kepekatan gas O3, NO2 dan CO. Kajian makmal menunjukkan bahawa sensor sangat responsif, menunjukkan tindak balas linear dengan julat respon-waktu dari 30 saat hingga 120 saat. Ofset sifar dan kepekaan sensor gas yang diperolehi kemudian dibandingkan dengan penentukuran daripada kilang, didapati sensitiviti telah berubah dalam ± 3-18%, dan offsetnya berbeza ± 1-10%.Beberapa model penentukuran yaitu model linear regresi dan tiga jenis pembelajaran mesin dinilai dengan kriteria prestasi model dan target diagram. Hasilnya mengesahkan bahawa LAQS mempunyai potensi yang besar dalam strategi kawalan kualiti udara baru, yang disokong oleh alat pemprosesan dan pemodelan data. Mengenai pencemaran, korelasi yang lebih baik dijumpai antara sensor dan instrumen rujukan dengan penentukuran model ANFIS dengan empat masukan (WE OX, AE OX, T dan NO2). Ia mempunyai ralat output statistik yang paling rendah dan pekali korelasi tertinggi terdadap instrumen rujukan (0.88 < R2 <0.91). Kekuatan penentukuran menggunakan kaedah pembelajaran mesin ialah pemilihan penganggar model, kerana ia akan mempengaruhi keputusan akhir model. Dari kajian ini, dapat disimpulkan bahwa gabungan model ANFIS dengan aplikasi sensor pelbagai guna yang direka dengan baik seperti AirboxSense dapat dijadikan sebagai penyelesaian masalah yang menangani prestasi yang kurang baik yang dihadapi oleh LAQS.,Ph.D.
Pages:	153
Call Number:	TD883.A434 2020 tesis
Publisher:	UKM, Bangi
Appears in Collections:	Institute of Climate Change / Institut Perubahan Iklim

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.