Deteksi Keberadaan Manusia dalam Ruangan Berbasis Data Sensor Lingkungan Menggunakan Algoritma K-Nearest Neighbor (KNN)

Abstract

Penelitian ini bertujuan untuk menganalisis kemampuan algoritma K-Nearest Neighbor (KNN) dalam mendeteksi keberadaan manusia (okupansi) di dalam suatu ruangan berdasarkan data sensor lingkungan melalui pendekatan klasifikasi biner. Data dikumpulkan dari sensor ruangan yang merekam variabel Temperature, Humidity, Light, CO2, dan Humidity Ratio, kemudian diolah menggunakan teknik standardisasi fitur (StandardScaler) dan validasi silang (cross-validation) guna memperoleh gambaran mengenai performa model klasifikasi okupansi ruangan. Hasil penelitian menunjukkan bahwa model KNN dengan nilai K=1 memberikan akurasi validasi silang tertinggi sebesar 99,06% dan akurasi pada data uji yang sangat tinggi, yang mengindikasikan bahwa variabel Light dan CO2 memiliki korelasi paling kuat terhadap status okupansi. Temuan ini diharapkan dapat memberikan kontribusi terhadap bidang smart building dan efisiensi energi serta menjadi rujukan untuk penelitian selanjutnya.