<![CDATA[This study develops the LSTM modeling to predict time series data of air quality in the city of Bandung from the parameters PM10, ISPU, temperature, and humidity. Modeling LSTM with 4 hidden layers, the number of batch sizes that is 32, the optimizer is adam, value of epoch is 1000, and the loss function using Mean Squared Error. The LSTM modeling results show that the network has a fairly good performance in predicting training and testing. The modeling produces a fairly good prediction accuracy for 3 parameters (temperature, humidity, ISPU). This is indicated by the predicted RMSE value which is smaller than the standard deviation value of the dataset test. However, the prediction results generated from the four test parameters based on the order of the best are the prediction of humidity, temperature, ISPU, and PM10 with unfavorable predictive results. Penelitian ini mengembangkan pemodelan LSTM untuk memprediksi data time series, yaitu kualitas udara di kota Bandung, dari parameter PM10, ISPU, suhu, dan kelembaban. Pemodelan LSTM dengan 4 hidden layer, penentuan jumlah batch size yaitu 32, penentuan optimizer adalah adam, epoch senilai 1000, dan penentuan fungsi loss menggunakan mean squared error. Hasil pemodelan LSTM menunjukkan bahwa jaringan memiliki kinerja yang cukup baik pada prediksi training dan testing. Pemodelan menghasilkan keakuratan prediksi yang cukup baik untuk 3 parameter (suhu, kelembaban, ISPU).Hal ini ditunjukkan dengan nilai RMSE prediksi yang lebih kecil dari nilai standar deviasi uji dataset. Namun, hasil prediksi yang dihasilkan dari keempat parameter pengujian berdasarkan urutan dari yang paling baik yaitu prediksi kelembaban, suhu, ISPU, dan PM10 dengan hasil prediksi yang kurang baik.]]>
Copyrights © 2020
