ANALISIS PERBANDINGAN FORECASTING DATA EMISI KARBON ANTARA METODE LONG SHORT-TERM MEMORY DENGAN FBPROPHET

Steven , Arya Dijaya (2024) ANALISIS PERBANDINGAN FORECASTING DATA EMISI KARBON ANTARA METODE LONG SHORT-TERM MEMORY DENGAN FBPROPHET. TEKNIK, UNIVERSITAS LAMPUNG .

Preview	File PDF Abstrak Skripsi Steven Arya Dijaya - Steven Arya Dijaya.pdf Download (170Kb) | Preview
	File PDF Skripsi Analisis Perbandingan Forecasting Steven Tanpa Lampiran - Steven Arya Dijaya.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF Skripsi Analisis Perbandingan Forecasting Steven Tanpa Bab Pembahasan - Steven Arya Dijaya.pdf Download (2331Kb) | Preview

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

Emisi karbon yang terutama disebabkan oleh aktivitas manusia seperti industri, transportasi, dan produksi energisangat berdampak signifikan terhadap pemanasan global dan perubahan iklim. Forecasting adalah seni dan ilmu memprediksi kejadian di masa depan. Hal ini dapat dilakukan dengan mengambil data historis dan memproyeksikannya ke masa depan. Analisis korelasi adalah metode statistik yang digunakan untuk menentukan besaran yang menentukan seberapa kuat hubugan suatu variabel dengan variabel lain tanpa mempertanyakan apakah suatu variabel tertentu bergantung pada variabel lain. Berdasarkan permasalahan, maka diterapkan forecasting data emisi karbon pada eddy station dengan ketinggian 1 meter dan 7 meter yang terletak di belakang gedung laboratorium Teknik elektro Universitas Lampung menggunakan metode Long Short-Term Memory (LSTM) dan FBProphet. Lalu diterapkan evaluasi metriks dengan menggunakan Root Mean Square Error (RMSE), Mean Absooluter Error (MAE), dan R-squared (R2 ) untuk mengevaluasi model berjalan dengan baik atau tidak. Setelah itu dilakukan validasi data dengan menggunakan korelasi pearson dari data forecasting metode LSTM dan FBProphet dengan data aktual selama 7 hari kedepan. Kata kunci: Emisi Karbon, Forecasting, Long Short-Term Memory, FBProphet, Korelasi Pearson Carbon emissions caused mainly by human activities such as industry, transportation, and energy production have a significant impact on global warming and climate change. Forecasting is the art and science of predicting future events. This can be done by taking historical data and projecting it into the future. Correlation analysis is a statistical method used to determine quantities that determine how strongly a variable is related to other variables without questioning whether a particular variable depends on other variables. Based on the problem, forecasting carbon emission data was applied at the eddy station with a height of 1 meter and 7 meters located behind the electrical engineering laboratory building of the University of Lampung using the Long Short-Term Memory (LSTM) and FBProphet methods. Then metric evaluation is applied using Root Mean Square Error (RMSE), Mean Absooluter Error (MAE), and R-squared (R2) to evaluate whether the model is running well or notAfter that, data validation was carried out using pearson correlation from LSTM and FBProphet method forecasting data with actual data for the next 7 days. Keywords: Carbon Emissions, Forecasting, Long Short-Term Memory, FBProphet, Pearson Correlation

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Elektro
Pengguna Deposit:	. . Yulianti
Date Deposited:	19 May 2025 07:03
Terakhir diubah:	19 May 2025 07:03
URI:	http://digilib.unila.ac.id/id/eprint/87268

Actions (login required)

Lihat Karya Akhir