Rancang bangun sistem monitoring kebisingan lingkungan pada Home Recording menggunakan metode K-Neearest Neighbor berbasis Internet of Things (IoT)

Putra, Bagas Priyadi (2024) Rancang bangun sistem monitoring kebisingan lingkungan pada Home Recording menggunakan metode K-Neearest Neighbor berbasis Internet of Things (IoT). Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_COVER.pdf Download (60kB) | Preview
Preview	Text (ABSTRAK) 2_ABSTRAK.pdf Download (21kB) | Preview
Preview	Text (DAFTAR ISI) 3_DAFTAR ISI.pdf Download (102kB) | Preview
Preview	Text (BAB I) 4_BAB I.pdf Download (367kB) | Preview
	Text (BAB II) 5_BAB II.pdf Restricted to Registered users only Download (431kB)
	Text (BAB III) 6_BAB III.pdf Restricted to Registered users only Download (363kB)
	Text (BAB IV) 7_BAB IV.pdf Restricted to Registered users only Download (752kB)
	Text (BAB V) 8_BAB V.pdf Restricted to Registered users only Download (698kB)
	Text (BAB VI) 9_BAB VI.pdf Restricted to Registered users only Download (22kB)
	Text (DAFTAR PUSTAKA) 10_DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (96kB)

Abstract

Dalam perkembangan home recording, kebisingan menjadi aspek yang menjadi sebuah gangguan dan berasal dari berbagai sumber. Kebisingan tersebut tidak dapat dimonitoring, terutama saat proses rekaman menggunakan headphone closeback. Penelitian ini bertujuan untuk membangun dan merancang sebuah sistem monitoring kebisingan pada lingkungan home recording dengan menggunakan metode k nearest neighbors (KNN) berbasis Internet of things (IoT). Sistem yang dikembangkan ini memanfaatkan metode KNN untuk mengklasifikasi tingkat kebisingan yang terdeteksi, serta menampilkan parameter berupa tingkat kebisingan dan kategorinya. Alat yang digunakan dalam penelitian ini meliputi Wemos D1, sensor MAX9814, layar LCD 16x2, catu daya 5V, dan laptop. Perangkat lunak yang digunakan adalah Arduino IDE dan Node-RED. Metode KNN diterapkan untuk mengklasifikasikan tingkat kebisingan menjadi empat kategori: hening, normal, bising, dan sangat bising. Pengujian sensor dilakukan dengan membandingkan hasil dari sensor MAX9814 dengan sensor KY-037, menunjukkan akurasi 98,17% untuk sensor outdoor dan 97,84% untuk sensor indoor. Selain itu, pengujian dengan variasi jarak menunjukkan bahwa sensor MAX9814 memiliki sensitivitas yang sangat baik, terutama ketika dihubungkan ke pin analog. Pengujian dengan variasi tempat sensor outdoor menunjukan perbedaan yang sedikit, sedangkan pengujian sensor indoor menunjukan bahwa semakin kecil ruangan maka akan semakin besar nilai suara yang didapatkan. Pengujian pada sistem monitoring melalui dashboard Node-RED menunjukkan bahwa dashboard mampu menampilkan grafik kebisingan, tingkat kebisingan, dan kategori kebisingan menggunakan metode KNN. Penggunaan metode KNN memiliki akurasi 100% pada sensor outdoor dan 90% pada sensor indoor. Hasil penelitian ini menunjukkan bahwa sistem yang dikembangkan dapat secara efektif memantau dan mengklasifikasi tingkat kebisingan di lingkungan home recording.

Actions (login required)

View Item