Analisis Perbandingan Kinerja Algoritma Random Forest dan Support Vector Machine dalam Sistem Deteksi Kepadatan Ruangan Berbasis IoT [AJG]

Abstract

Sistem Gedung Pintar (Smart Building) memanfaatkan informasi mengenai keberadaan orang pada suatu ruangan untuk mendukung efisiensi penggunaan energi, kenyamanan hingga keamanan penghuni. Untuk mendeteksi keberadaan seseorang pada suatu ruangan, sistem ini memanfaatkan sensor seperti Passive Infrared (PIR), ultrasonic, hingga kamera sebagai alat pemantuan dan pengumpulan data aktivitas seseorang pada ruangan tertentu. Namun, data yang dihasilkan oleh sensor tersebut sering bersifat tidak konsisten dan noise, sehingga dapat menurunkan akurasi dalam mendeteksi kepadatan ruangan.  Untuk mengatasi masalah tersebut, penelitian ini menerapkan pendekatan Machine Learing (ML) untuk pengolahan data dari sensor sehingga dapat meningkatkan akurasi hingga kinerja pada sistem smart building. Penelitian ini melakukan perbandingan antara dua model algoritma Machine Learning yaitu, Random Forest dan Support Vector Machine. Tujuannya adalah untuk mengetahui algoritma yang paling optimal untuk diterapkan pada sistem smart building dalam mendeteksi tingkat kepadatan nruangan berdasarkan data yang telah dikumpulkan menggunakna sensor PIR + Ultrasonik. Pengujian akan dilakukan dengan mengukur performa kedua model tersebut berdasarkan parameter seperti akurasi, presisi, recall, dan F1-score.