Lizand, Danzel Iyazi (2026) Implementasi Metode Decision Tree untuk Klasifikasi Kualitas Udara berdasarkan Konsentrasi PM2.5 dan Gas CO sebagai Sub-Sistem Identifikasi Kualitas Udara. S1 thesis, Universitas Andalas.
![[img]](http://scholar.unand.ac.id/style/images/fileicons/text.png) |
Text (01. Cover)
01. Cover.pdf - Published Version Download (1MB) |
|
Text (02. BAB I)
02. BAB I.pdf - Published Version Download (602kB) |
|
Text (03. BAB V)
03. BAB V.pdf - Published Version Download (153kB) |
|
Text (04. Daftar Pustaka)
04. Daftar Pustaka.pdf - Published Version Download (524kB) |
|
Text (05. Skripsi Fulltext)
05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (14MB) | Request a copy |
Abstract
Penelitian ini bertujuan merancang, mengimplementasikan, dan menguji sub-sistem identifikasi kualitas udara yang mampu mendeteksi polutan secara real-time dan mengambil tindakan secara otomatis berbasis kecerdasan buatan. Sistem dibangun menggunakan Raspberry Pi 5 8GB sebagai unit pemrosesan utama. Sensor DSM501A dan MQ-138 untuk Debu dan Gas CO. Pendeteksian keberadaan manusia menggunakan kamera dengan algoritma MediaPipe. Data sensor dipadukan dan diklasifikasikan menggunakan model Machine Learning Decision Tree untuk menentukan status kualitas udara (Baik, Kurang Aman, Buruk). Sistem terintegrasi dengan exhaust fan sebagai aktuator pengurang polutan yang dikendalikan melalui modul Relay. Hasil pengujian menunjukkan sistem memiliki waktu respons < 3 detik. Model Decision Tree dilatih menggunakan 6001 sampel data dan mencapai akurasi 100% pada data uji. Pada pengujian data logging lapangan, sistem mencapai akurasi pemrosesan data sebesar 97.44%, melampaui target spesifikasi (>85%). Aktuator exhaust fan terbukti efektif mengurangi konsentrasi PM2.5 dengan efisiensi 62,67% - 83,86% dan gas CO hingga 95,68% dalam waktu 2-8 detik per siklus. Integrasi sensor, computer vision, dan algoritma Decision Tree pada Raspberry Pi 5 berhasil menciptakan sistem monitoring kualitas udara yang adaptif, responsif, dan akurat untuk menjaga kualitas udara dalam ruangan.
| Item Type: | Thesis (S1) |
|---|---|
| Supervisors: | DR. ENG. TATI ERLINA, M.I.T |
| Uncontrolled Keywords: | PM2.5; Gas CO; Decision Tree; Raspberry Pi 5. |
| Subjects: | T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Fakultas Teknologi Informasi > S1 Teknik Komputer |
| Depositing User: | S1 Teknik Komputer |
| Date Deposited: | 28 Aug 2026 04:45 |
| Last Modified: | 28 Aug 2026 04:45 |
| URI: | http://scholar.unand.ac.id/id/eprint/531876 |
Actions (login required)
 |
View Item |
Altmetric
Altmetric