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

RIZKI ADITYA PRATAMA (2024) SISTEM PREDIKSI GAS BUANG KENDARAAN MULTI VARIABEL MENGGUNAKAN METODE MACHINE LEARNING PADA AREA HALTE BUS TRANS YOGYAKARTA. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf

Download (677kB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only

Download (516kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only

Download (46kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf

Download (61kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only

Download (209kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only

Download (260kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only

Download (553kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only

Download (46kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (123kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only

Download (56kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only

Download (575kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only

Download (2MB)

Abstract

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.

Item Type: Thesis (S1)
Uncontrolled Keywords: Exhaust Gas, Multi-Variable, Prediction, MachineLearning
Divisions: Fakultas Teknik > Teknik Elektro S1
Depositing User: Yuliana Ramawati
Date Deposited: 11 Jun 2024 02:32
Last Modified: 11 Jun 2024 02:32
URI: https://etd.umy.ac.id/id/eprint/45344

Actions (login required)

View Item
View Item