<![CDATA[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.]]>
Copyrights © 2025
