PERBANDINGAN ALGORITMA ARIMA DAN LSTM DALAM PERAMALAN TINGKAT KONSENTRASI CO2 EMISI ATMOSFER UNTUK MASA MENDATANG

Putra, Mandala Anugrah (2025) PERBANDINGAN ALGORITMA ARIMA DAN LSTM DALAM PERAMALAN TINGKAT KONSENTRASI CO2 EMISI ATMOSFER UNTUK MASA MENDATANG. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text BAB 1.pdf Download (487kB)
	Text BAB 2.pdf Download (728kB)
	Text BAB 3.pdf Download (1MB)
	Text BAB 4.pdf Download (1MB)
	Text BAB 5.pdf Download (402kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Perubahan iklim saat ini menjadi ancaman dan tantangan utama bagi
kesejahteraan manusia secara global serta juga kesehatan dari planet. Faktor utama
yang berkontribusi terhadap fenomena ini adalah aktivitas dari manusia, khususnya
melalui emisi gas rumah kaca secara gamblang yang menyebabkan pemanasan
suhu secara global. Penelitian bertujuan untuk membandingkan model
AutoRegressive Integrated Moving Average (ARIMA), Seasonal AutoRegressive
Integrated Moving Average (SARIMA), dan Long Short-Term Memory (LSTM)
dalam meramalkan konsentrasi CO₂ atmosfer sebagai rekomendasi dalam
pemilihan metode peramalan untuk mendukung pengambilan keputusan berbasis
data dalam mitigasi perubahan iklim. Model TimeSeries dan Machine Learning
digunakan dalam meramalkan konsentrasi CO₂ atmosfer dengan pendekatan dua
skenario data yang berasal dari National Oceanic and Atmospheric Administration:
data original (18.502 baris) dan data yang di filter berdasarkan beberapa hari
terakhir (379 baris) saja. Hasil penelitian menunjukkan bahwa LSTM memiliki
performa terbaik pada data lengkap dengan MSE: 1.823, RMSE: 1.350, MAE:
1.201, dan MAPE: 0.29%. Sedangkan SARIMA lebih unggul pada data terbatas
dengan MSE: 0.4390, RMSE: 0.6626, MAE: 0.4130, dan MAPE: 0.10%. Temuan
ini menegaskan bahwa LSTM lebih cocok untuk dataset banyak dan kompleks,
sementara SARIMA lebih efektif untuk data sedikit dan terbatas.

Item Type:	Thesis (Bachelor)
Uncontrolled Keywords:	Emisi Karbon, Forecast, TimeSeries, Machine Learning, Deep Learning, LSTM, ARIMA, SARIMA.
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Users 30 not found.
Date Deposited:	04 Jul 2025 02:59
Last Modified:	04 Jul 2025 02:59
URI:	https://repository.unas.ac.id/id/eprint/13354

Actions (login required)

View Item