PERBANDINGAN METODE PROPHET DAN LONG SHORT TERM MEMORY(LSTM) DALAM PERAMALAN KUALITAS UDARA (STUDI KASUS KUALITAS UDARA KOTA BANDAR LAMPUNG)

MICHEL, . (2024) PERBANDINGAN METODE PROPHET DAN LONG SHORT TERM MEMORY(LSTM) DALAM PERAMALAN KUALITAS UDARA (STUDI KASUS KUALITAS UDARA KOTA BANDAR LAMPUNG). Fakultas Teknik, Universitas Lampung.

Preview	File PDF ABSTRAK.pdf Download (11Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (7Mb) | Minta salinan
Preview	File PDF SKRIPSI FULL TANPA BAB PEMBAHASAN.pdf Download (2934Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Polusi udara merupakan masalah yang terjadi di seluruh dunia. Indonesia menduduki peringkat 26 dengan kualitas udara terburuk di dunia berdasarkan IQAir tahun 2022. Dampak yang ditimbulkan dari buruknya kualitas udara pada suatu lingkungan dapat menyebabkan berbagai macam masalah kesehatan hingga kematian. Provinsi Lampung, khususnya Kota Bandar Lampung merupakan pusat aktivitas ekonomi dan distribusi di pulau Sumatra, karena posisinya sebagai pintu gerbang Pulau Sumatra dari Provinsi Jawa. Berdasarkan hal tersebut, isu kualitas udara di Kota Bandar Lampung harus dapat diatasi. Upaya yang dilakukan adalah melakukan pemantauan dan pencegahan pencemaran kualitas udara dengan memanfaatkan konsep Artificial Intelligence (AI) melalui peramalan (forecasting). Peramalan kualitas udara dilakukan dengan memanfaatkan framework OSEMN (Obtain, Scrub, Explore, Model, Interpreter), menggunakan metode Long Short Term Memory (LSTM) dan metode Prophet. Pada kedua metode tersebut dilakukan perbandingan nilai error untuk melihat hasil peramalan terbaik yang dapat digunakan dalam pengambilan keputusan. Hasil penelitian menunjukkan bahwa metode LSTM menghasilkan prediksi yang lebih baik daripada metode Prophet. Hal tersebut dibuktikan dengan nilai evaluasi metrik yang digunakan pada metode LSTM dengan rata-rata nilai Root Mean Squared Error (RMSE) 5.38, Mean Absolute Error (MAE) 3.96 dan Mean Absolute Percentage Error (MAPE) 0.07. Sedangkan pada metode Prophet menghasilkan rata-rata nilai Root Mean Squared Error (RMSE) 18.48, Mean Absolute Error (MAE) 15.61 dan Mean Absolute Percentage Error (MAPE) 0.25. Kata Kunci : Kualitas Udara, Peramalan, Long Short Term Memory, Prophet, framework OSEMN.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 600 Teknologi (ilmu terapan) 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Informatika
Pengguna Deposit:	2308141738 . Digilib
Date Deposited:	02 Feb 2024 04:19
Terakhir diubah:	02 Feb 2024 04:19
URI:	http://digilib.unila.ac.id/id/eprint/78485

Actions (login required)

Lihat Karya Akhir