SISTEM MONITORING KUALITAS UDARA CO2 MENGGUNAKAN MULTIVARIATE LONG SHORT-TERM MEMORY (MV LSTM)(STUDI KASUS: HALTE BUS TRANS JOGJA-GAMPING)

INTISARIKualitas udara sangat berpengaruh terhadap kesehatan manusia, salah satu bahan yang mempengaruhi tingkat kualitas udara salah satunya Karbon dioksida (CO2). Namun, masyarakat masih banyak keberadaan CO2 dianggap sebelah mata karena efek instan seperti batuk dan iritasi mata masih sepele untuk kesehatan tubuh sendiri. Oleh karena itu, penelitian ini bertujuan untuk memprediksi jumlah Karbon dioksida (CO2) di udara dengan penerapan Machine Learning, model Machine Learning yang paling optimal dalam memprediksi CO2 serta metode Machine Learning terbaik yang dapat digunakan. Metode machine learning yang digunakan yaitu Multivariate Long Short-Term Memory (MV LSTM), Support Vector Regression (SVR) kernel Radial Basic Function (RBF) dengan metode pengujian menggunakan grafik hasil dan nilai R2, MAE, RMSE dan MSE. Dalam menentukan pemodelan terbaik, dilakukan beberapa kali percobaan dengan kombinasi parameter Neuron Hidden, Max Epoch dan Batch Size. Hasil yang didapatkan yaitu MV LSTM menjadi metode yang paling optimal dalam memprediksi jumlah CO2 dengan pemodelan Neuron Hidden sebesar 6 buah, Max Epoch sebanyak 500 epoch dan Batch Size sebesar 50. Dengan nilai R2 sebesar 0.986, MAE sebesar 0.334, RMSE sebesar 0.527 dan MSE sebesar 0.277.