IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY (LSTM) UNTUK MEMPEREDIKSI VOLUME SAMPAH

Abstract

Permasalahan sampah telah menjadi isu penting di berbagai kota dan kabupaten di Indonesia, termasuk di kabupaten Cirebon. Pertumbuhan penduduk dan gaya hidup masyarakat menjadi faktor utama dalam meningkatkan volume sampah. Pada tahun 2022, volume sampah di Provinsi Jawa Barat meningkat 5,4%, menyebabkan masalah ketersediaan Tempat Pembuangan Akhir (TPA) yang hampir overload. Hal Ini dapat mengakibatkan berkurangnya lahan tempat pembuangan sampah akhir Oleh karena itu dibutuhkanya prediksi volume sampah adalah cara untuk mengantisipasi lonjakan volume sampah yang berlebihan di lokasi pembuangan sampah akhir. Data yang digunakan dalam penelitian ini meliputi data time series yang terdiri dari tanggal dan jumlah volume sampah dari tahun 2021-2023 dengan metode Long Short Term Memory (LSTM). Penelitian ini menggunakan algoritma LSTM dengan jumlah neuron sebanyak 128, input layer sebanyak 30, dan pelatihan model sebanyak 500 epoch berhasil memberikan tingkat akurasi yang cukup baik dengan nilai MSE 0.02207 dalam memprediksi volume sampah