Klasifikasi Gerakan Otomasi Berdasarkan Data Sensor Menggunakan Algoritma Support Vector Machine
DOI:
https://doi.org/10.60036/dd0mey21Keywords:
SVM, klasifikasi, gerakan, data sensor, otomasiAbstract
Dalam era industri modern, klasifikasi gerakan secara otomatis menjadi bagian penting dalam sistem otomasi. Penelitian ini mengimplementasikan algoritma Support Vector Machine (SVM) untuk mengklasifikasikan data gerakan berdasarkan tiga fitur sensor sudut, yaitu temperature, pressure, dan humidity. Dataset berisi 1.000 entri yang terbagi dalam beberapa kelas gerakan (faulty). Proses dimulai dari pra-pemrosesan data, normalisasi, pemisahan data latih dan uji, hingga pelatihan model SVM menggunakan kernel RBF. Hasil pengujian menunjukkan akurasi sebesar 96% dengan f1-score rata-rata mencapai 0,81. Hasil ini menunjukkan bahwa SVM efektif untuk mengklasifikasikan gerakan berbasis data sensor dan berpotensi untuk digunakan dalam sistem otomasi berbasis kecerdasan buatan.
References
[1] Link Google Colab: Klasifikasi Gerakan Menggunakan SVM.
[2] Cortes, C., & Vapnik, V. “Support-Vector Networks.” Machine Learning, 20, 273–297, 1995.
[3] Hastie, T., Tibshirani, R., & Friedman, J. The Elements of Statistical Learning. Springer, 2009.
[4] Pedregosa, F., et al. “Scikit-learn: Machine Learning in Python.” Journal of Machine Learning Research, 12, 2825–2830, 2012.
[5] Suyanto, “Machine Learning Tingkat Dasar dan Lanjut.” Informatika Bandung, 2018.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Nilam Saswaty Manalu, Adlian Jefiza (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
