Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 2

Pemodelan Sistem Monitoring Kualitas Udara Pintar Berbasis Internet of Things dengan Pendekatan Machine Learning

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 12 No. 2 (2025) · hlm. 469–480

DOI
10.25126/jtiik.2025129195
ISSN
2528-6579, 2355-7699
Terbit
2025-04-24
Penerbit
Fakultas Ilmu Komputer, Universitas Brawijaya
Bahasa
id
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Bahasa Indonesia

Penelitian ini bertujuan untuk merancang arsitektur model sistem pemantauan kualitas udara di Kota Bandung menggunakan empat parameter polutan utama: PM1.0, PM2.5, PM10, dan CO. Sistem ini dirancang dengan memanfaatkan algoritma Long Short-Term Memory (LSTM) untuk memprediksi kualitas udara harian berdasarkan data historis. Fokus penelitian meliputi perancangan desain arsitektur sistem, model data, dan metode prediksi, yang disusun berdasarkan analisis arsitektur sebelumnya serta kajian literatur. Salah satu elemen penting dan kebaruan dalam penelitian ini adalah penggunaan sensor ZH03B untuk pemantauan kualitas udara secara real-time yang memberikan solusi hemat biaya dan dapat diandalkan. Kombinasi antara sensor real-time dan algoritma LSTM menghasilkan tingkat akurasi prediksi kualitas udara sebesar 88%. Hasil evaluasi model menunjukkan nilai Root Mean Square Error (RMSE) sebesar 2,68 yang mencerminkan kinerja prediksi yang baik. Selain itu, pendekatan ini memberikan peningkatan signifikan dibandingkan metode konvensional yang sering kali kurang responsif terhadap perubahan kualitas udara secara dinamis. Penelitian ini memberikan dasar yang kuat untuk pengembangan sistem monitoring kualitas udara yang lebih akurat dan adaptif. Arsitektur yang diusulkan dapat menjadi acuan untuk pengembangan sistem monitoring kualitas udara di masa depan. Abstract This research aims to design the architecture of an air quality monitoring system model in Bandung City using four main pollutant parameters: PM1.0, PM2.5, PM10, and CO. The system is designed by utilising the Long Short-Term Memory (LSTM) algorithm to predict daily air quality based on historical data. The focus of the research includes the design of the system architecture, data model, and prediction method, which were developed based on previous architecture analysis and literature review. One important element and novelty in this research is the use of the ZH03B sensor for real-time air quality monitoring which provides a cost-effective and reliable solution. The combination of the real-time sensor and the LSTM algorithm resulted in an air quality prediction accuracy rate of 88%. The model evaluation results show a Root Mean Square Error (RMSE) value of 2.68 which reflects good prediction performance. In addition, this approach provides a significant improvement over conventional methods that are often less responsive to dynamic changes in air quality. This research provides a solid foundation for the development of a more accurate and adaptive air quality monitoring system. The proposed architecture can serve as a reference for the development of future air quality monitoring systems.

Inggris

Penelitian ini bertujuan untuk merancang arsitektur model sistem pemantauan kualitas udara di Kota Bandung menggunakan empat parameter polutan utama: PM1.0, PM2.5, PM10, dan CO. Sistem ini dirancang dengan memanfaatkan algoritma Long Short-Term Memory (LSTM) untuk memprediksi kualitas udara harian berdasarkan data historis. Fokus penelitian meliputi perancangan desain arsitektur sistem, model data, dan metode prediksi, yang disusun berdasarkan analisis arsitektur sebelumnya serta kajian literatur. Salah satu elemen penting dan kebaruan dalam penelitian ini adalah penggunaan sensor ZH03B untuk pemantauan kualitas udara secara real-time yang memberikan solusi hemat biaya dan dapat diandalkan. Kombinasi antara sensor real-time dan algoritma LSTM menghasilkan tingkat akurasi prediksi kualitas udara sebesar 88%. Hasil evaluasi model menunjukkan nilai Root Mean Square Error (RMSE) sebesar 2,68 yang mencerminkan kinerja prediksi yang baik. Selain itu, pendekatan ini memberikan peningkatan signifikan dibandingkan metode konvensional yang sering kali kurang responsif terhadap perubahan kualitas udara secara dinamis. Penelitian ini memberikan dasar yang kuat untuk pengembangan sistem monitoring kualitas udara yang lebih akurat dan adaptif. Arsitektur yang diusulkan dapat menjadi acuan untuk pengembangan sistem monitoring kualitas udara di masa depan. Abstract This research aims to design the architecture of an air quality monitoring system model in Bandung City using four main pollutant parameters: PM1.0, PM2.5, PM10, and CO. The system is designed by utilising the Long Short-Term Memory (LSTM) algorithm to predict daily air quality based on historical data. The focus of the research includes the design of the system architecture, data model, and prediction method, which were developed based on previous architecture analysis and literature review. One important element and novelty in this research is the use of the ZH03B sensor for real-time air quality monitoring which provides a cost-effective and reliable solution. The combination of the real-time sensor and the LSTM algorithm resulted in an air quality prediction accuracy rate of 88%. The model evaluation results show a Root Mean Square Error (RMSE) value of 2.68 which reflects good prediction performance. In addition, this approach provides a significant improvement over conventional methods that are often less responsive to dynamic changes in air quality. This research provides a solid foundation for the development of a more accurate and adaptive air quality monitoring system. The proposed architecture can serve as a reference for the development of future air quality monitoring systems.

Kata kunci

Jaringan kolaborasi para penulis

18 penulis · 81 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Indonesia University of Education
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Kurniawan HidayatIndonesia University of Education2
Enjang Ali NurdinIndonesia University of Education2
Herbert SiregarIndonesia University of Education1
A WahyudinIndonesia University of Education1
Sekar Madu KusumawardaniIndonesia University of Education1
ErlanggaIndonesia University of Education1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, pertama di-harvest 27 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Pemodelan Sistem Monitoring Kualitas Udara Pintar Berbasis Internet of Things dengan Pendekatan Machine Learning</dc:title>
	<dc:title xml:lang="en">Pemodelan Sistem Monitoring Kualitas Udara Pintar Berbasis Internet of Things dengan Pendekatan Machine Learning</dc:title>
	<dc:creator xml:lang="id">Nugroho, Eddy Prasetyo</dc:creator>
	<dc:creator xml:lang="id">Anisyah, Ani</dc:creator>
	<dc:creator xml:lang="id">Al Fathin, Deva Shofa</dc:creator>
	<dc:creator xml:lang="id">Amadudin, Muhammad Nur Yasin</dc:creator>
	<dc:creator xml:lang="id">Ramadhani, Muhammad Satria</dc:creator>
	<dc:creator xml:lang="id">Yosafat</dc:creator>
	<dc:creator xml:lang="en">Nugroho, Eddy Prasetyo</dc:creator>
	<dc:creator xml:lang="en">Anisyah, Ani</dc:creator>
	<dc:creator xml:lang="en">Al Fathin, Deva Shofa</dc:creator>
	<dc:creator xml:lang="en">Amadudin, Muhammad Nur Yasin</dc:creator>
	<dc:creator xml:lang="en">Ramadhani, Muhammad Satria</dc:creator>
	<dc:creator xml:lang="en">Yosafat</dc:creator>
	<dc:subject xml:lang="en">air quality</dc:subject>
	<dc:subject xml:lang="en">Bandung City</dc:subject>
	<dc:subject xml:lang="en">LSTM</dc:subject>
	<dc:subject xml:lang="en">prediction</dc:subject>
	<dc:subject xml:lang="en">real-time</dc:subject>
	<dc:subject xml:lang="id">Kota Bandung</dc:subject>
	<dc:subject xml:lang="id">kualitas udara</dc:subject>
	<dc:subject xml:lang="id">LSTM</dc:subject>
	<dc:subject xml:lang="id">prediksi</dc:subject>
	<dc:subject xml:lang="id">real-time</dc:subject>
	<dc:description xml:lang="id">Penelitian ini bertujuan untuk merancang arsitektur model sistem pemantauan kualitas udara di Kota Bandung menggunakan empat parameter polutan utama: PM1.0, PM2.5, PM10, dan CO. Sistem ini dirancang dengan memanfaatkan algoritma Long Short-Term Memory (LSTM) untuk memprediksi kualitas udara harian berdasarkan data historis. Fokus penelitian meliputi perancangan desain arsitektur sistem, model data, dan metode prediksi, yang disusun berdasarkan analisis arsitektur sebelumnya serta kajian literatur. Salah satu elemen penting dan kebaruan dalam penelitian ini adalah penggunaan sensor ZH03B untuk pemantauan kualitas udara secara real-time yang memberikan solusi hemat biaya dan dapat diandalkan. Kombinasi antara sensor real-time dan algoritma LSTM menghasilkan tingkat akurasi prediksi kualitas udara sebesar 88%. Hasil evaluasi model menunjukkan nilai Root Mean Square Error (RMSE) sebesar 2,68 yang mencerminkan kinerja prediksi yang baik. Selain itu, pendekatan ini memberikan peningkatan signifikan dibandingkan metode konvensional yang sering kali kurang responsif terhadap perubahan kualitas udara secara dinamis. Penelitian ini memberikan dasar yang kuat untuk pengembangan sistem monitoring kualitas udara yang lebih akurat dan adaptif. Arsitektur yang diusulkan dapat menjadi acuan untuk pengembangan sistem monitoring kualitas udara di masa depan.
 
Abstract
 
This research aims to design the architecture of an air quality monitoring system model in Bandung City using four main pollutant parameters: PM1.0, PM2.5, PM10, and CO. The system is designed by utilising the Long Short-Term Memory (LSTM) algorithm to predict daily air quality based on historical data. The focus of the research includes the design of the system architecture, data model, and prediction method, which were developed based on previous architecture analysis and literature review. One important element and novelty in this research is the use of the ZH03B sensor for real-time air quality monitoring which provides a cost-effective and reliable solution. The combination of the real-time sensor and the LSTM algorithm resulted in an air quality prediction accuracy rate of 88%. The model evaluation results show a Root Mean Square Error (RMSE) value of 2.68 which reflects good prediction performance. In addition, this approach provides a significant improvement over conventional methods that are often less responsive to dynamic changes in air quality. This research provides a solid foundation for the development of a more accurate and adaptive air quality monitoring system. The proposed architecture can serve as a reference for the development of future air quality monitoring systems.</dc:description>
	<dc:description xml:lang="en">Penelitian ini bertujuan untuk merancang arsitektur model sistem pemantauan kualitas udara di Kota Bandung menggunakan empat parameter polutan utama: PM1.0, PM2.5, PM10, dan CO. Sistem ini dirancang dengan memanfaatkan algoritma Long Short-Term Memory (LSTM) untuk memprediksi kualitas udara harian berdasarkan data historis. Fokus penelitian meliputi perancangan desain arsitektur sistem, model data, dan metode prediksi, yang disusun berdasarkan analisis arsitektur sebelumnya serta kajian literatur. Salah satu elemen penting dan kebaruan dalam penelitian ini adalah penggunaan sensor ZH03B untuk pemantauan kualitas udara secara real-time yang memberikan solusi hemat biaya dan dapat diandalkan. Kombinasi antara sensor real-time dan algoritma LSTM menghasilkan tingkat akurasi prediksi kualitas udara sebesar 88%. Hasil evaluasi model menunjukkan nilai Root Mean Square Error (RMSE) sebesar 2,68 yang mencerminkan kinerja prediksi yang baik. Selain itu, pendekatan ini memberikan peningkatan signifikan dibandingkan metode konvensional yang sering kali kurang responsif terhadap perubahan kualitas udara secara dinamis. Penelitian ini memberikan dasar yang kuat untuk pengembangan sistem monitoring kualitas udara yang lebih akurat dan adaptif. Arsitektur yang diusulkan dapat menjadi acuan untuk pengembangan sistem monitoring kualitas udara di masa depan.
 
Abstract
 
This research aims to design the architecture of an air quality monitoring system model in Bandung City using four main pollutant parameters: PM1.0, PM2.5, PM10, and CO. The system is designed by utilising the Long Short-Term Memory (LSTM) algorithm to predict daily air quality based on historical data. The focus of the research includes the design of the system architecture, data model, and prediction method, which were developed based on previous architecture analysis and literature review. One important element and novelty in this research is the use of the ZH03B sensor for real-time air quality monitoring which provides a cost-effective and reliable solution. The combination of the real-time sensor and the LSTM algorithm resulted in an air quality prediction accuracy rate of 88%. The model evaluation results show a Root Mean Square Error (RMSE) value of 2.68 which reflects good prediction performance. In addition, this approach provides a significant improvement over conventional methods that are often less responsive to dynamic changes in air quality. This research provides a solid foundation for the development of a more accurate and adaptive air quality monitoring system. The proposed architecture can serve as a reference for the development of future air quality monitoring systems.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2025-04-24</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9195</dc:identifier>
	<dc:identifier>10.25126/jtiik.2025129195</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 12 No 2: April 2025; 469-480</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 12 No. 2: April 2025; 469-480</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.122</dc:source>
	<dc:language>id</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/9195/1428</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>