Text

Perbandingan Algoritma K-Nearest Neighbor dan Decision Tree pada Sistem Smart Lighting IoT untuk Klasifikasi Kebutuhan Pencahayaan

---

Sistem smart lighting merupakan salah satu penerapan Internet of Things (IoT) yang bertujuan meningkatkan efisiensi energi melalui pengaturan pencahayaan secara otomatis. Namun, sebagian besar sistem masih menggunakan metode berbasis threshold yang kurang adaptif terhadap perubahan kondisi lingkungan. Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbor (KNN) dan Decision Tree (DT) dalam mengklasifikasikan kebutuhan pencahayaan berdasarkan data intensitas cahaya dan waktu. Sistem dikembangkan menggunakan sensor BH1750, modul RTC DS3231, dan mikrokontroler ESP32 sebagai pengendali lampu LED melalui teknik Pulse Width Modulation (PWM). Dataset sensor diproses menggunakan kedua algoritma, kemudian dievaluasi berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa algoritma Decision Tree memperoleh accuracy sebesar 98%, lebih tinggi dibandingkan KNN yang memperoleh accuracy sebesar 96%. Selain memiliki performa klasifikasi yang lebih baik, Decision Tree menghasilkan aturan keputusan yang sederhana sehingga mudah diimplementasikan pada ESP32 menggunakan logika if–else. Sistem yang dikembangkan mampu menyesuaikan kebutuhan pencahayaan lampu secara otomatis sesuai kondisi lingkungan, sehingga menghasilkan pengendalian pencahayaan yang lebih adaptif, efisien, dan responsif.

---

Availability

Detail Information

Call Number

Informatika 658.84 Nur p

Language

Indonesia

NPM

223510250

Publisher

Teknik Informatika : Universitas Islam Riau., 2026

Keyword(s)

Decision Tree
Internet of Things (IoT)
machine learning
K-Nearest Neighbor
Smart Lighting

Other Information

Petugas

Ayu Agustina

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment