SISTEM PREDIKSI GAS BUANG KENDARAAN MULTI VARIABEL MENGGUNAKAN METODE MACHINE LEARNING PADA AREA HALTE BUS TRANS YOGYAKARTA

Oksigen yang terkandung di udara sangat penting untuk proses metabolisme dalam tubuh manusia, karena digunakan untuk menghasilkan energi dari makanan yang dikonsumsi. Namun, seperti yang Anda sebutkan, udara juga dapat mengandung berbagai senyawa yang dapat berdampak buruk jika konsentrasinya melebihi ambang batas yang aman. 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.