This Author published in this journals
All Journal Jurnal Sibernetika
Fachra Maulidiana Anggit
Universitas Saintek Muhammadiyah

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

INTEGRASI SENSOR INFRARED DAN MODEL ARIMA (AUTOREGRESSIVE INTEGRATED MOVING AVERAGE) UNTUK PENJADWALAN IKLAN VIDEOTRON DI JALAN K.H ABDUL HALIM MAJALENGKA Faiz Rafdhi; Fachra Maulidiana Anggit
Jurnal Sibernetika Vol. 11 No. 1 (2026): JURNAL SIBERNETIKA
Publisher : Prodi Teknik Informatika Universitas Saintek Muhammadiyah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56459/mv6hdf83

Abstract

Penelitian ini bertujuan membangun sistem rekomendasi jadwal penayangan iklan videotron berdasarkan volume lalu lintas di Jalan K.H Abdul Halim, Majalengka, yang diperoleh melalui sensor infrared dan diprediksi menggunakan model ARIMA (AutoRegressive Integrated Moving Average). Sensor infrared berbasis pasangan IR Emitter LED 940nm dan Receiver TSOP VS1838B diintegrasikan dengan mikrokontroler ESP32 untuk mendeteksi objek yang melintas dan menghitung volume lalu lintas dalam enam slot waktu per hari (interval empat jam). Data dikumpulkan selama 30 hari pengamatan (13 Mei – 11 Juni 2026) pada skala prototype, menghasilkan 180 titik data yang dikirim ke server Flask melalui HTTP API dan disimpan pada basis data MySQL. Sistem dikembangkan menggunakan metode prototyping dengan bahasa pemrograman Python serta pustaka pendukung Pandas, Statsmodels, dan Matplotlib. Data dibagi secara kronologis: 80% pertama (144 data, 24 hari) sebagai data latih dan 20% terakhir (36 data, 6 hari) sebagai data uji. Model ARIMA(3,0,2) dipilih melalui grid search dengan nilai AIC terbaik sebesar 1104,74, menghasilkan RMSE sebesar 4,9882 dan MAPE sebesar 20,95% pada slot waktu relevan untuk penayangan iklan (04:00–20:00). Pengujian Black Box terhadap 14 skenario menunjukkan seluruh fungsionalitas sistem berjalan sesuai rancangan. Pada lingkungan pengujian prototype, sistem berhasil mengklasifikasikan volume objek ke dalam kategori Tinggi, Sedang, dan Rendah untuk merekomendasikan jadwal penayangan iklan videotron yang adaptif dan berbasis data.