Klasifikasi Kualitas Udara Dalam Ruangan Tertutup Berdasarkan Senyawa Gas Pencemar Menggunakan Algoritma Decision Tree dan Time Shift Series Sebagai Sub-Sistem Dari Sistem Prediksi Kualitas Udara

Khusayra, Leo Agha (2026) Klasifikasi Kualitas Udara Dalam Ruangan Tertutup Berdasarkan Senyawa Gas Pencemar Menggunakan Algoritma Decision Tree dan Time Shift Series Sebagai Sub-Sistem Dari Sistem Prediksi Kualitas Udara. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 01.COVER DAN ABSTRAK.pdf - Published Version Download (257kB)
	Text (BAB I) 02.BAB I.pdf - Published Version Download (456kB)
	Text (BAB V) 03.BAB V.pdf - Published Version Download (158kB)
	Text (Daftar Pustaka) 04.Daftar Pustaka.pdf - Published Version Download (210kB)
	Text (Skripsi Fulltext) 05.Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (28MB) | Request a copy

Abstract

Penurunan kualitas udara di dalam ruangan tertutup akibat akumulasi gas pencemar seperti karbon dioksida (CO₂) dan formaldehida (HCHO) dapat memicu gangguan kesehatan dan penurunan konsentrasi penghuni. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem prediktif kualitas udara yang mampu memantau, memprediksi tren polusi, serta melakukan tindakan mitigasi secara otomatis. Sistem ini dikembangkan menggunakan unit pemrosesan Raspberry Pi 5 dengan input berupa sensor MH-Z19C untuk mendeteksi konsentrasi CO₂, sensor MQ-138 untuk HCHO, serta kamera webcam yang diintegrasikan dengan algoritma MediaPipe untuk mendeteksi kehadiran manusia. Algoritma Decision Tree dikombinasikan dengan metode forecasting berbasis regresi waktu (Time Series Shift) digunakan untuk mengklasifikasikan status udara ke dalam tiga kondisi (Aman, Kurang Aman, Buruk) sekaligus memprediksi konsentrasi polutan untuk 50 detik ke depan. Hasil pengujian menunjukkan bahwa model Decision Tree mencapai tingkat akurasi evaluasi sebesar 92% dalam mengenali pola data sensor. Sistem berhasil mengeksekusi logika mitigasi secara adaptif melalui exhaust fan AC dan speaker peringatan dengan waktu respons rata-rata dibawah 3 detik. Pada pengujian integrasi keseluruhan, sistem mencatatkan akurasi statis sebesar 91,43%, dimana deviasi sebesar 8,57% merupakan indikator keberhasilan sistem dalam memberikan peringatan dini (early warning) secara proaktif.

Actions (login required)

View Item