Gas Rumah Kaca (GRK) yang mencemari udara membawa dampak negatif terhadap lingkungan dan kesehatan manusia. Pada sistem sebelumnya telah dilakukan pengukuran CO2 dan PM2.5, serta prediksi PM2.5 menggunakan ANN di wilayah Bandung Raya dengan RMSE dan MAPE di GKU dan DELI yaitu 8.32 µg/m3 dan 37%, serta 12,49 µg/m3 dan 15% menunjukkan nilai RMSE masih cukup besar. Pada sistem ini, dilakukan penambahan parameter CO2, CH4, dan O3 di stasiun TULT dengan mengimplementasikan metode pengukuran pasif dan sensor aktif. Data pengukuran divalidasi secara otomatis menggunakan RPA dengan metode windowing outlier terbukti efektif dan 2 kali lebih cepat dibanding manual dengan keluaran berupa dokumen monitoring. Selanjutnya, dibangun optimasi model prediksi dengan metode deep learning dengan algoritma LSTM. Evaluasi model prediksi LSTM dilakukan dengan membandingkan nilai model prediksi dengan nilai riil menghasilkan nilai RMSE pada CO2 0.089923, CH4 0.060467, dan O3 0.036242. Model LSTM menunjukkan nilai RMSE dapat dikurangi, kemudian digunakan untuk melakukan forecasting gas terukur pada 1 jam berikutnya. Pengujian menunjukkan bahwa data pengukuran dan prediksi yang dilaporkan melalui dashboard monitoring dan divisualisasikan menggunakan Website Biru Langit memiliki aksesbilitas yang baik dan performansi yang memadai sebagai sistem pemantauan kualitas udara di wilayah Bandung Raya.
Kata kunci : Pemantauan Kualitas Udara, Gas Rumah Kaca, Robotic Automation Process, Deep Learning, LSTM