<![CDATA[Penelitian ini mengembangkan sistem prediksi suhu dan kelembaban udara menggunakan algoritma Artificial Neural Network (ANN) yang diimplementasikan langsung pada perangkat edge ESP32. Sistem dirancang sebagai solusi ketika sensor DHT22 gagal membaca data secara real-time. Model ANN dilatih menggunakan TensorFlow dan dikonversi ke format TensorFlow Lite agar dapat dijalankan secara efisien pada perangkat dengan keterbatasan sumber daya. Pengujian dilakukan selama dua hari dengan interval prediksi antara 5 hingga 120 menit. Hasil menunjukkan bahwa model memiliki akurasi tinggi pada prediksi jangka pendek (5–10 menit), dengan nilai MAE sebesar 0,22–0,41 °C untuk suhu dan 0,16–0,24 % RH untuk kelembaban. Akurasi menurun pada prediksi jangka menengah hingga panjang, dengan kesalahan maksimum mencapai 3,26 °C dan 14,00 % RH. Sistem ini terbukti mampu memberikan estimasi yang andal saat sensor utama gagal, dan memiliki potensi pengembangan lebih lanjut dengan menambahkan variabel lingkungan lainnya sebagai input model. Model ANN bisa diterapkan dalam sistem prediksi berbasis edge computing pada Mikrokontroller ESP32 dan mampu beradaptasi melalui pembaharuan data secara berkala.]]>
Copyrights © 2025
