Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi,

Sistem Otomatisasi Lampu Ruangan berdasarkan Kebiasaan Pengguna menggunakan Algoritma Backpropagation CHANDRA MONICA PERMADANI; IRMA NIRMALA; RAHMI HIDAYATI
Jurnal Elkomika Vol 12, No 2 (2024): ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektr
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v12i2.352

Abstract

ABSTRAKLampu adalah alat penerangan yang sangat penting dalam aktivitas sehari-hari, namun seringkali pengguna lupa atau lalai dalam mematikannya saat tidak digunakan. Akibatnya, penggunaan daya listrik menjadi berlebihan. Untuk mengatasi masalah ini, diperlukan sebuah teknologi yang mampu mengendalikan lampu secara otomatis. Dalam penelitian ini dibangun sebuah sistem kendali otomatisasi lampu berdasarkan kebiasaan pengguna dengan menerapkan algoritma backpropagation. Struktur jaringan algoritma ini terdiri dari 1 neuron input, 6 neuron pada hidden layer, dan 6 neuron output. Data yang digunakan pada 6 buah lampu dalam penelitian ini terdiri dari 620 data latih dan 72 data uji. Penerapan sistem otomatis menggunakan algoritma backpropagation menunjukkan tingkat keberhasilan yang tinggi, dengan menggunakan confusion matrix menghasilkan akurasi mencapai 95,83%, recall 93,75%, dan precision 96,77%. Rata-rata waktu klasifikasi yang didapat adalah 0,979055 detik dari 72 percobaan.Kata Kunci: Otomatis, Lampu, Kebiasaan, Backpropagation, Klasifikasi ABSTRACTLights are a very important lighting tool in daily activities, but often users forget or neglect to turn them off when not in use. As a result, the use of electric power becomes excessive. To solve this problem, a technology is needed that is able to control lights automatically. In this research, a light automation control system based on user habits is built by applying the backpropagation algorithm. The network structure of this algorithm consists of 1 input neuron, 6 neurons in the hidden layer, and 6 output neurons. The data used on 6 lamps in this study consists of 620 training data and 72 test data.The implementation of an automated system using the backpropagation algorithm shows a high level of success, using a confusion matrix resulting in accuracy reaching 95,83%, recall 93,75%, and precision 96,77%. The average classification time obtained is 0,79055 seconds from 72 test trials.Keywords: Automatic, Lights, Habits, Backpropagation, Classification