<![CDATA[Abstrak — Perubahan iklim dan cuaca yang semakin tidak menentu menuntut data cuaca lokal yang akurat dan prediksi yang cepat. Namun, stasiun cuaca konvensional cenderung mahal dan rumit, sehingga sulit diakses oleh masyarakat umum. Untuk mengatasi hal ini, penelitian ini mengembangkan Stasiun Cuaca Mini Pintar berbasis Internet of Things (IoT) dan Deep Learning. Sistem ini menggunakan mikrokontroler ESP32-S3, sensor BME280 (suhu, kelembaban, tekanan), dan anemometer (kecepatan angin) untuk mengumpulkan data secara otomatis, yang disimpan di Google Spreadsheet. Data kemudian diproses melalui pembersihan, penanganan nilai hilang, normalisasi, dan pembentukan urutan waktu. Prediksi dilakukan menggunakan model Long Short-Term Memory (LSTM) yang dioptimalkan dengan Keras Tuner. Model ini mampu memprediksi suhu, kelembaban, tekanan, dan kecepatan angin dengan akurasi tinggi, ditunjukkan oleh nilai R² antara 0.83 hingga 0.96. Untuk klasifikasi cuaca (cerah atau hujan), model mencapai akurasi 88%. Sisrem ini juga dilengkapi API FatApi dan aplikasi mobile berbasis React Native Expo sebagai antarmuka pengguna. Hasil penelitian menunjukkan bahwa kombinasi IoT dan Deep Learning efektif untuk solusi cuaca yang akurat dan terjangkau. Kata kunci— Stasiun Cuaca Mini Pintar, Internet of Things (IoT), Deep Learning, Long Short-Term Memory (Long Short-Term Memory (LSTM)), Prediksi Cuaca.]]>
Copyrights © 2025
