MONITORING KARBON MONOKSIDA (CO) MENGGUNAKAN METODE MACHINE LEARNING PADA AREA HALTE BUS TRANS YOGYAKARTA

Kesehatan manusia sangat dipengaruhi oleh kualitas udara, dan salah satu elemen yang mempengaruhi tingkat kualitas udara adalah karbon monoksida (CO). Meski begitu, masih banyak orang yang meremehkan dampak CO karena efek samping jangka Panjang dan signifikan menyebabkan komplikasi yang serius, yang termasuk kerusakan otak dan masalah jantung . Oleh karena itu, tujuan dari penelitian ini adalah untuk memprediksi jumlah karbon monoksida (CO) di udara menggunakan pembelajaran mesin, teknik pembelajaran mesin terbaik, dan model pembelajaran mesin yang paling efektif untuk prediksi CO. Teknik pembelajaran mesin yang digunakan adalah Long Short-Term Memory (LSTM), kernel Support Vector Regression (SVR), dan teknik pengujian yang menggunakan grafik hasil dan nilai R2, MAE, RMSE, dan MSE. Beberapa percobaan dilakukan dengan menggunakan kombinasi parameter Hidden Neuron, Max Epoch, dan Batch Size untuk menentukan pemodelan yang optimal. Hasil yang didapatkan yaitu LSTM menjadi metode yang paling optimal dalam memprediksi jumlah CO dengan pemodelan Neuron Hidden sebesar 6 buah, Max Epoch sebanyak 250 epoch dan Batch Size sebesar 150. Nilai R2 0,982, MAE 0,649, RMSE 1,042, dan MSE 1,087, yang diperoleh dengan metode LSTM.