Federated Learning Untuk Menjaga Privasi Pada Sistem Deteksi Okupansi Berbasis IOT [AJG]

Abstract

Perkembangan teknologi, khususnya IoT, pada okupansi telah membuka peluang besar dalam membangun sistem kepadatan ruangan yang lebih aman dan nyaman. Namun, penerapan sistem okupansi konvensional memiliki tantangan dalam privasi. Data yang di kirimkan ke server menimbulkan risiko pada privasi.Penelitian ini bertujuan untuk merancang dan mengembangkan sistem okupansi berbasis privasi secara real-time­ dengan mengintergasikan Federated Learning. Federated Learning sebagai pendekatan metode pembelajaran model yang dikembangkan langsung pada perangkat IoT tanpa perlu mengirim data mentah ke server. Data yang digunakan berasala dari sensor PIR dan sensor ultrasonik. Sensor mengukur pergerakan dan jarak dalam tahapan pengambilan data okupnasi ruangan. Hasil yang dituju pada Federated Learning menunjukan mampu mempertahankan tingkat akurasi deteksi okupansi sekaligus privasi data, sebab proses pelatihan di kirim melalui node dari masing-masing sensor. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem okupansi berbasis IoT yang aman dan mempertahankan privasi data yang dapat diandalkan. Terutama di ruangan yang membutuhkan sistem okupansi dalam menjaga privasi.