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

Pada titik ini, sistem cerdas yang memberikan kemampuan kecerdasan battan sering kali menghambat mesin pembelajaran. Pendekatan mesin pembelajaran menggambarkan kapasitas sistem untuk belajar dari data pelatihan, khususnya untuk tujuan mengotomatisasi proses pembuatan model analitik dan mengatasi masalah terkait. Istilah "mesin" mengacu pada metode pengajaran yang didasarkan pada saraf tiruan jaringan. Dalam banyak penerapannya, model pembelajaran mengandalkan pendekatan analisis data tradisional dan model pembelajaran mesin dangkal. Dalam artikel ini, kami membahas dasar-dasar pendidikan mesin dan ruang kelas untuk menghasilkan pemahaman yang lebih mendalam tentang kondisi metodologi sistem cerdas saat ini. Secara khusus, kami menawarkan perbedaan konseptual antara teori dan teori yang relevan, menjelaskan proses pengembangan model analitik otomatis melalui pembelajaran mesin dan aljabar, dan mendiskusikan tantangan yang muncul ketika menerapkan sistem cerdas di pasar perdagangan elektronik. Dalam mengevaluasi kualitas air, seseorang dapat menggunakan Indeks Standar Pencemaran Udara (ISPU) untuk menentukan apakah kandungan airnya lebih tinggi atau lebih rendah dari ISPU. Terdapat beberapa parameter pencemaran udara yang digunakan untuk pengamatan ISPU, antara lain Karbon Monoksida (CO), Oksigen Oksida (O3), Particulate Matter (PM), Nitrogen Oksida (NO2), dan Sulfur Dioksida (SO2). Metode Neural Network, dimana data yang telah dikumpulkan sebelumnya akan dilatih dan dianalisis hingga menghasilkan hasil klasifikasi indeks kualitas urin. Dengan epoch 600, ukuran batch 32, fungsi aktivasi softmax, dua lapisan tersembunyi, kecepatan pembelajaran 0,01, 64 neuron, pengoptimal yang disebut RMSProp, dan fungsi kerugian berdasarkan crossentropy kategoris, sistem ini menghasilkan sekitar 84% ketepatan.