ADITYA ANAS HAMDANI PANGIHUTAN (2025) SISTEM PREDIKSI POLUSI UDARA MENGGUNAKAN DEEP LEARNING PADA FASILITAS TRANPORTASI BUS DI TERMINAL YOGYAKARTA. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (7MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (10MB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (239kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (201kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (754kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (720kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (554kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (524kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (374kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (509kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (18MB)

Abstract

Polusi udara di area transportasi, khususnya di terminal bus, menjadi permasalahan yang signifikan karena tingginya emisi kendaraan dan aktivitas manusia. Oleh karena itu, diperlukan sistem prediksi yang akurat untuk memantau dan mengantisipasi tingkat polusi udara. Penelitian ini mengembangkan Sistem Prediksi Polusi Udara Menggunakan Deep Learning pada Fasilitas Transportasi Bus di Terminal Yogyakarta dengan tujuan untuk memperkirakan kadar polutan utama seperti PM2.5, PM10, CO, NO2, SO2, dan O3 berdasarkan faktor lingkungan seperti suhu, kelembaban, serta lalu lintas kendaraan. Metode yang digunakan dalam penelitian ini adalah deep learning dengan model Long Short-Term Memory (LSTM) untuk menangani data deret waktu dan memprediksi konsentrasi polutan di masa mendatang. Data yang digunakan dalam penelitian ini diperoleh dari sensor pemantauan kualitas udara yang ditempatkan di Terminal Yogyakarta, kemudian dilakukan proses pembersihan data, normalisasi, serta pelatihan model. Evaluasi dilakukan menggunakan metrik Root Mean Square Error (RMSE) dan Mean Absolute Error (MAE) untuk mengukur akurasi prediksi. Hasil penelitian menunjukkan bahwa model deep learning yang diterapkan mampu memprediksi tingkat polusi udara dengan akurasi yang cukup tinggi, di mana nilai RMSE dan MAE yang diperoleh menunjukkan tingkat kesalahan yang minimal. Dengan adanya sistem ini, diharapkan dapat membantu pemangku kebijakan dalam mengambil keputusan terkait pengelolaan lingkungan di area terminal, seperti pengaturan jadwal kendaraan, pengurangan emisi, atau implementasi teknologi transportasi ramah lingkungan.

Dosen Pembimbing: Karisma Trinanda Putra, Ir., S.ST., M.T., Ph.D | NIDN0519069003
Item Type: Thesis (S1)
Uncontrolled Keywords: Air Pollution, Prediction, Deep Learning, LSTM, Bus Terminal, Air Quality
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Bima
Date Deposited: 01 Jul 2025 01:53
Last Modified: 01 Jul 2025 01:53
URI: https://etd.umy.ac.id/id/eprint/51679

Actions (login required)

View Item View Item