KLASIFIKASI TINGKAT KEBERSIHAN UDARA MENGGUNAKAN K-MEANS DAN SVM PADA SMART INDOOR AIR SYSTEM BERBASIS IOT

Galea, Nanda (2025) KLASIFIKASI TINGKAT KEBERSIHAN UDARA MENGGUNAKAN K-MEANS DAN SVM PADA SMART INDOOR AIR SYSTEM BERBASIS IOT. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (Cover) COVER.pdf - Published Version Download (642kB) | Preview
Preview	Text (Abstrak) ABSTRAK.pdf - Published Version Download (254kB) | Preview
	Text (BAB I) BAB I.pdf - Published Version Restricted to Repository staff only Download (399kB) | Request a copy
	Text (BAB II) BAB II.pdf - Published Version Restricted to Repository staff only Download (962kB) | Request a copy
	Text (BAB III) BAB III.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) BAB V.pdf - Published Version Restricted to Repository staff only Download (233kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (279kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Kualitas udara dalam ruangan sangat memengaruhi kesehatan dan kenyamanan penghuni. Penelitian ini mengembangkan sistem klasifikasi kebersihan udara berbasis IoT menggunakan metode K-Means dan Support Vector Machine (SVM). Klasterisasi dilakukan terhadap enam parameter utama (CO, asap, HC, PM₁₀, TVOC, dan eCO₂) dan menghasilkan empat kelas, yaitu Aman, Sedang I, Sedang II, dan Bahaya, dengan nilai silhouette score >0.85 yang menunjukkan kualitas klasterisasi baik dan konsisten. Model SVM dilatih menggunakan data hasil klasterisasi dan dioptimasi dengan Optuna serta teknik SMOTE, menghasilkan akurasi pelatihan 97.34%, validasi 98.16% dan pengujian 95.97%, selisih kecil menunjukkan performa stabil tanpa indikasi overfitting. Evaluasi prediksi juga menunjukkan nilai error (MAE, RMSE, MAPE) sangat kecil, memperkuat kemampuan prediksi model. Implementasi real-time dilakukan melalui konversi model ke format JSON untuk digunakan di Google Apps Script, dan diuji selama lima hari terhadap 5.781 data sensor. Hasilnya, sebanyak 99.91% data berhasil diklasifikasikan dengan benar. Sistem ini terbukti akurat, efisien, dan baik untuk diterapkan dalam smart indoor air system.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Klasifikasi Udara, SVM, K-Means, Metrik Evaluasi, IoT
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	13 Aug 2025 08:21
Last Modified:	13 Aug 2025 08:21
URI:	http://eprints.polsri.ac.id/id/eprint/18246

Actions (login required)

View Item