Implementasi Algoritma LSTM Pada Sistem Monitoring Iot Untuk Penanganan Resiko Kebakaran
INTECH · 30.11.2025 · 6 (2) · 210-219
DOI: 10.54895/intech.v6i2.3317 ↗Kurz gefasst
Fachartikel in der Zeitschrift INTECH, online erschienen am 30.11.2025. Verfasst von Ahmad Nawawi und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Penelitian ini mengimplementasikan algoritma Long Short-Term Memory (LSTM) untuk memprediksi pola suhu sebagai bagian dari sistem monitoring berbasis IoT dalam rangka mitigasi risiko kebakaran. Dataset diperoleh dari sensor berbasis ESP32 yang merekam data suhu dan waktu. Model LSTM dilatih menggunakan data suhu yang telah dinormalisasi dengan prediksi lima langkah ke depan. Pra-pemrosesan meliputi penggabungan data tanggal dan waktu menjadi indeks waktu, kemudian dilanjutkan dengan normalisasi dan pembentukan data dalam format pembelajaran terawasi. Arsitektur model terdiri dari satu lapisan LSTM dan satu lapisan keluaran dense. Hasil prediksi menunjukkan nilai Mean Squared Error (MSE) yang rendah, menandakan efektivitas model LSTM dalam mendeteksi potensi bahaya kebakaran secara dini. Penelitian ini berkontribusi pada upaya mitigasi risiko secara real-time melalui peningkatan akurasi prediksi pada lingkungan IoT.
Zitieren
APA
Nawawi, A., Kamarudin, & Marleny, F. D. (2025). Implementasi Algoritma LSTM Pada Sistem Monitoring Iot Untuk Penanganan Resiko Kebakaran. INTECH, 6(2), 210-219. https://doi.org/10.54895/intech.v6i2.3317
Vancouver
Nawawi A, Kamarudin, Marleny FD. Implementasi Algoritma LSTM Pada Sistem Monitoring Iot Untuk Penanganan Resiko Kebakaran. INTECH. 2025;6(2):210-219. doi:10.54895/intech.v6i2.3317
BibTeX
@article{Nawawi2025,
author = {Nawawi, Ahmad and Kamarudin and Marleny, Finki Dona},
title = {Implementasi Algoritma LSTM Pada Sistem Monitoring Iot Untuk Penanganan Resiko Kebakaran},
journal = {INTECH},
year = {2025},
volume = {6},
number = {2},
pages = {210--219},
doi = {10.54895/intech.v6i2.3317}
}
EUVIMED