<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>FESTIVAL KREATIVITAS MAHASISWA ELEKTRO DAN&#13;
 INFORMATIKA (FESMARO)</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Bayu Arief</mods:namePart><mods:namePart type="family">Ramadhan</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Universitas  Negeri  Malang  (UM)  menyelenggarakan  festival  kreativitas&#13;
 mahasiswa  elektro  dan  informatika  (FESMARO),  sebuah  kompetisi  teknologi&#13;
 tingkat  nasional  yang  diikuti  oleh  mahasiswa  dari  berbagai  perguruan  tinggi  di&#13;
 Indonesia.  Kompetisi  ini  bertujuan  untuk  mendorong  inovasi  teknologi  yang&#13;
 mendukung  pembangunan  berkelanjutan  (SDGs)  serta  membangun  lingkungan&#13;
 masyarakat  yang  sehat  dan  cerdas.  Salah  satu  kategori  yang  diperlombakan  adalah&#13;
 IoT  Smart  Device,  yang  berfokus  pada  pengembangan  solusi  berbasis  Internet  of&#13;
 Things  (IoT)  untuk  mengatasi  permasalahan  nyata  di  masyarakat  perkotaan.&#13;
 Tahapan  seleksi  dimulai  dari  penilaian  proposal  secara  daring,  yang  dilanjutkan&#13;
 dengan presentasi dan demonstrasi fungsi prototipe di hadapan dewan juri.&#13;
 Dalam  ajang  ini,  tim  dari  Universitas  Amikom  Yogyakarta&#13;
 mengembangkan  inovasi  bernama  AIRIS  (AI-Powered  Indoor  Air  Quality&#13;
 Monitoring).  AIRIS  merupakan  sistem  berbasis  IoT  dan  Deep  Learning  tipe  Long&#13;
 Short-Term  Memory  (LSTM)  yang  dirancang  untuk  menganalisis  pola  kualitas&#13;
 udara  dalam  ruangan  secara  real-time  serta  memberikan  kendali  ventilasi  otomatis&#13;
 guna menjamin kesehatan penghuni.&#13;
 Penelitian  dalam  pengembangan  karya  ini  berfokus  pada  akurasi  prediksi&#13;
 parameter  polutan  (CO2 ,  CO,  PM2.5)  berbasis  Machine  Learning,  serta&#13;
 efektivitas  fitur  kontrol  adaptif  dalam  manajemen  sirkulasi  udara.  Hasil  pengujian&#13;
 menunjukkan  bahwa  integrasi  IoT  dan  algoritma  LSTM  mampu  memberikan&#13;
 prediksi  tren  kualitas  udara  dengan  tingkat  akurasi  tinggi  (RMSE  2.1)  dan  biaya&#13;
 produksi  yang  terjangkau.  Studi  ini  diharapkan  dapat  menjadi  referensi  strategis&#13;
 dalam  pengembangan  teknologi  Smart  Home  yang  mendukung  efisiensi  energi&#13;
 dan mitigasi risiko kesehatan di masa depan.</mods:abstract><mods:classification authority="lcc">000 Ilmu komputer, informasi dan pekerjaan umum</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-01-05</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Fakultas Ilmu Komputer</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>