Implementasi Decision Tree pada Penentuan Kondisi Ruang Berasap Menggunakan Multi-Sensor Berbasis Arduino Uno

Implementasi Decision Tree pada Penentuan Kondisi Ruang Berasap Menggunakan Multi-Sensor Berbasis Arduino Uno

Penulis

  • Mimi Hamidah Fakultas Ilmu Komputer, Universitas Brawijaya
  • Hurriyatul Fitriyah Fakultas Ilmu Komputer, Universitas Brawijaya
  • Issa Arwani Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Klasifikasi, kondisi ruang, normal, memasak, merokok, kebakaran, decision tree

Abstrak

Pada zaman sekarang ini banyak sarana yang dirancang secara otomatis untuk membantu kegiatan manusia dalam mengatur tingkat kenyaman dan keamanan pada ruangan, salah satu teknologi yang sudah banyak digunakan yaitu alarm kebakaran yang digunakan untuk memberikan peringatan otomatis mengenai kebakaran yang terjadi. Namun, akibat beberapa sebab dan faktor-faktor tertentu, sering kali alarm kebakaran tersebut tidak bekerja dengan baik dan justru mengirimkan false alarm. Pada penelitian ini terdapat 3 sensor yaitu sensor MQ-2, sensor DHT22, dan sensor flame yang terhubungan dengan mikrokontroller Arduino Uno. Mikrokontroller Arduino Uno ditanamkan metode decision tree sebagai pemberi keputusan output berdasarkan perhitungan C4.5. Terdapat 3 proses, yaitu proses penentuan dataset, pembentukan pohon keputusan dan pembentukan rule. Pada sistem ini memiliki 3 atribut yang digunakan untuk mendeteksi status kondisi ruang berasap yaitu suhu, intensitas cahaya api dan kadar asap. Dari hasil beberapa pengujian yang dilakukan diketahui peresentase error pembacaan sensor suhu DHT22 adalah sebesar 1,58% dan sensor gas MQ22 dapat membaca kadar gas dalam ruangan  dengan baik, dimana nilai pembacaan sensor berbanding lurus dengan tegangan keluaran yang dihasilkan yaitu semakin tinggi kadar asap yang dideteksi semakin tinggi nilai tegangan keluaran sensor. Dari hasil pengujian sensor api YG1006 dapat melakukan pembacaan ADC yang dideteksi oleh sensor terhadap sumber api berdasarkan jarak sensor dengan sumber api. Selanjutnya pada pengujian sistem menggunakan metode Decision Tree dengan jumlah data latih sebanyak 800 data dan data uji sebanyak  40 data, diperoleh akurasi sebesar 97%. Rata-rata waktu eksekusi sistem adalah ±1389,9 ms

Unduhan

Diterbitkan

31 Jan 2019

Cara Mengutip

Hamidah, M., Fitriyah, H., & Arwani, I. (2019). Implementasi Decision Tree pada Penentuan Kondisi Ruang Berasap Menggunakan Multi-Sensor Berbasis Arduino Uno. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(4), 3845–3854. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/5049

Terbitan

Bagian

Artikel
Loading...