Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Abdussalam, Ghifarie Sa'id
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Implementasi Sistem Pendeteksi Polusi Asap Rokok pada Ruangan Tertutup berbasis Arduino Uno dengan Metode K-Nearest Neighbors Abdussalam, Ghifarie Sa'id; Setiawan, Eko; Syauqy, Dahnial
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 7 (2023): Juli 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Asap rokok menjadi masalah serius di Indonesia, dengan tingginya angka perokok dan rendahnya kesadaran tentang bahaya paparan asap rokok. Asap rokok mengandung zat beracun seperti tar, nikotin, dan karbon monoksida (CO), yang berpotensi membahayakan kesehatan manusia. Penelitian sebelumnya telah mencoba mengatasi masalah ini dengan berbagai sistem pendeteksi, namun penelitian ini bertujuan untuk mengembangkan purwarupa sistem pendeteksi polusi asap rokok dengan menggunakan Arduino UNO sebagai basisnya. Metode K-Nearest Neighbors (K-NN) dipilih sebagai algoritma klasifikasi untuk mengenali jenis asap. Metode ini dipilih karena mudah diimplementasikan, non-parametrik, dan fleksibel dengan data yang berubah. Sensor MQ-7 digunakan sebagai sensor pendeteksi karbon monoksida (CO), sementara sensor MQ-135 digunakan untuk mendeteksi benzena sebagai fitur pada klasifikasi. Penelitian ini bertujuan untuk membantu kelompok atau individu yang menghirup asap rokok di ruangan tertutup, seperti ruang merokok, rumah, atau indekos. Berdasarkan pengujian yang dilakukan, kedua sensor berfungsi dengan baik dalam membaca nilai ADC dan PPM. Didapatkan tingkat akurasi dengan metode K-Nearest Neighbors untuk nilai K = 3, 5, 7 dalam melakukan klasifikasi sebesar 86.66%, 53.33%, 80%. Dibutuhkan 6.23 hingga 8.32 mikrosekon untuk proses pengklasifikasian pada sistem dengan rerata waktu klasifikasi sebesar 7,4 mikrosekon.
Co-Authors Dahnial Syauqy Eko Setiawan