Klasifikasi Deteksi Asap: Menganalisis Kinerja Algoritma KNN dan ANN

Emmanuel Garcia Sumargo (a:1:{s:5:"en_US"s:23:"Tarumanagara University"})

Computatio : Journal of Computer Science and Information Systems
Vol. 10 No. 1 (2026): Computatio: Journal of Computer Science and Information Systems

Deteksi dini asap merupakan aspek kunci dalam upaya pencegahan kebakaran dan keselamatan lingkungan. Dalam penelitian ini, disajikan analisis kinerja dua algoritma klasifikasi, yaitu K�Nearest Neighbors (KNN) dan Artificial Neural Networks (ANN), dalam klasifikasi deteksi asap berdasarkan data lingkungan. Dataset yang digunakan terdiri dari berbagai fitur, termasuk suhu, kelembaban, konsentrasi senyawa organik volatil, dan konsentrasi partikulat matter, yang dikumpulkan dengan bantuan perangkat Internet of Things (IoT). Tujuan utama dari penelitian ini adalah untuk membandingkan akurasi prediksi kedua algoritma tersebut dalam membedakan keberadaan asap, dengan variabel target "Fire Alarm" yang menandakan adanya (1) atau tidak adanya (0) kebakaran. Hasil eksperimen menunjukkan bahwa algoritma KNN mencapai akurasi tertinggi sebesar 99.992%, sedangkan algoritma ANN mencapai akurasi 96.604%. Analisis mendalam tentang kinerja kedua algoritma ini, bersama dengan implikasi dan keterbatasan penelitian, disajikan dalam artikel ini.