PENGEMBANGAN SISTEM PERINGATAN DINI KUALITAS UDARA BERBASIS INTERNET OF THINGS DAN WEB DENGAN INTEGRASI FIREBASE MENGGUNAKAN METODE NEURAL NETWORK

MUHAMMAD FAQIH SETIAWAN, . (2025) PENGEMBANGAN SISTEM PERINGATAN DINI KUALITAS UDARA BERBASIS INTERNET OF THINGS DAN WEB DENGAN INTEGRASI FIREBASE MENGGUNAKAN METODE NEURAL NETWORK. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

[img] Text
Cover_Skripsi Sarjana Terapan_ M.Faqih Setiawan.pdf

Download (2MB)
[img] Text
BAB 1_Skripsi Sarjana Terapan_M Faqih Setiawan S.Tr.pdf

Download (311kB)
[img] Text
BAB 2_Skripsi Sarjana Terapan_M Faqih Setiawan S.Tr.pdf
Restricted to Registered users only

Download (542kB) | Request a copy
[img] Text
BAB 3_Skripsi Sarjana Terapan_M Faqih Setiawan S.Tr.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text
BAB 4_Skripsi Sarjana Terapan_M Faqih Setiawan S.Tr.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text
BAB 5_Skripsi Sarjana Terapan_M Faqih Setiawan S.Tr.pdf
Restricted to Registered users only

Download (287kB) | Request a copy
[img] Text
Daftar Pustaka_Skripsi Sarjana Terapan_M Faqih Setiawan S.Tr.pdf

Download (257kB)
[img] Text
Lampiran_Skripsi Sarjana Terapan_M Faqih Setiawan S.Tr.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

Polusi udara di perkotaan, khususnya Jakarta, menjadi masalah serius yang berdampak pada kesehatan masyarakat. Penelitian ini bertujuan untuk mengembangkan sistem peringatan dini kualitas udara yang proaktif dan terintegrasi menggunakan Internet of Things (IoT), platform web, dan kecerdasan buatan. Sistem ini dirancang untuk memantau konsentrasi gas Karbon Monoksida (CO) dan Karbon Dioksida (CO2) secara real-time menggunakan sensor MQ-7 dan MQ-135 yang terhubung dengan mikrokontroler Wemos D1 R32. Data yang diakuisisi dikirim dan disimpan pada Firebase Realtime Database. Metode Feed-Forward Neural Network diterapkan untuk menganalisis data historis dan fitur temporal (jam dan hari) guna menghasilkan klasifikasi status kualitas udara ("Baik", "Sedang", "Tidak Sehat") dengan kemampuan prediktif. Hasil penelitian menunjukkan sistem mampu memvisualisasikan data dan prediksi melalui dashboard web secara efektif. Pengujian sensor MQ-7 dan MQ-135 menunjukkan akurasi rata-rata masing-masing sebesar 93,17% dan 96,19% dibandingkan alat standar. Model Neural Network yang dikembangkan berhasil mencapai akurasi klasifikasi yang tinggi. Sistem ini berhasil memberikan peringatan dini secara visual pada dashboard ketika kualitas udara terdeteksi berbahaya. Keunggulan sistem ini terletak pada kemampuannya memberikan prediksi proaktif, integrasi end-to-end yang andal, serta aksesibilitas data yang tinggi. ***** Air pollution in urban areas, especially in Jakarta, is a serious problem that impacts public health. This study aims to develop a proactive and integrated air quality early warning system using the Internet of Things (IoT), a web platform, and artificial intelligence. This system is designed to monitor the concentration of Carbon Monoxide (CO) and Carbon Dioxide (CO2) gases in real-time using MQ-7 and MQ-135 sensors connected to a Wemos D1 R32 microcontroller. The acquired data is sent and stored in the Firebase Realtime Database. The Feed-Forward Neural Network method is applied to analyze historical data and temporal features (hours and days) to produce a classification of air quality status ("Good", "Moderate", "Unhealthy") with predictive capabilities. The results show that the system is able to visualize data and predictions through a web dashboard effectively. Testing of the MQ-7 and MQ-135 sensors showed an average accuracy of 93.17% and 96.19%, respectively, compared to standard tools. The developed Neural Network model successfully achieved high classification accuracy. This system successfully provides visual early warnings on the dashboard when hazardous air quality is detected. Its strengths lie in its proactive prediction capabilities, reliable end-to-end integration, and high data accessibility.

Item Type: Thesis (Sarjana)
Additional Information: 1). Rafiuddin Syam, S.T., M.Eng., PhD. ; 2). Drs. Rimulyo Wicaksono, MM.
Subjects: Teknologi dan Ilmu Terapan > Teknik Elektronika
Divisions: FT > D IV Teknologi Rekayasa Otomasi
Depositing User: Muhammad Faqih Setiawan .
Date Deposited: 08 Aug 2025 01:08
Last Modified: 08 Aug 2025 01:08
URI: http://repository.unj.ac.id/id/eprint/58772

Actions (login required)

View Item View Item