M. Syaili (2026) PERANCANGAN SISTEM IOT UNTUK MONITORING KUALITAS UDARA DALAM RUANGAN MENGGUNAKAN MACHINE LEARNING. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2026.
![[img]](https://repository.unism.ac.id/style/images/fileicons/text.png) |
Text
msyaili skripsi Selesai.pdf Download (6MB) |
Abstract
Kualitas udara dalam ruangan memiliki peran yang sangat krusial bagi kesehatan, kenyamanan, serta produktivitas penghuninya. Namun, sebagian besar perangkat pemantau konvensional yang ada saat ini hanya mampu menyajikan data numerik mentah tanpa memberikan interpretasi atau klasifikasi kondisi lingkungan secara langsung dan intuitif. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan untuk merancang dan membangun sebuah sistem pemantauan kualitas udara dalam ruangan berbasis Internet Of Things (IoT) yang terintegrasi dengan algoritma machine learning guna mengklasifikasikan kondisi udara secara otomatis. Perangkat keras sistem dibangun menggunakan mikrokontroler ESP32 yang dihubungkan dengan tiga jenis sensor gas, yaitu sensor MQ-2, MQ-7, dan MQ-135 untuk mendeteksi berbagai polutan udara. Seluruh data hasil pembacaan sensor ditransmisikan secara real-time ke platform Blynk dan ditampilkan pada layar LCD 16x2. Metode klasifikasi yang diterapkan dalam penelitian ini adalah algoritma Decision Tree untuk mengelompokkan kondisi kualitas udara ke dalam tiga tingkatan utama, yaitu kategori Baik, Sedang, dan Buruk. Hasil pengujian menunjukkan bahwa sistem berbasis IoT yang dikembangkan mampu melakukan akuisisi data dan pengiriman informasi secara stabil serta berkelanjutan. Selain itu, model Decision Tree yang diimplementasikan berhasil mengklasifikasikan kondisi kualitas udara dengan tingkat akurasi yang tinggi serta sangat responsif terhadap perubahan konsentrasi gas polutan di dalam ruangan. Sistem ini memberikan kemudahan, kecepatan, dan efisiensi bagi pengguna dalam memantau serta memahami kondisi kualitas udara lingkungan sekitar secara langsung.
| Item Type: | Skripsi |
|---|---|
| Kata Kunci Tidak Terkontrol: | Internet Of Things; Kualitas Udara; Machine Learning; Decision Tree; ESP32 |
| Subjects: | T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Fakultas: | FAKULTAS SAINS DAN TEKNOLOGI |
| Pengguna Penyetoran: | M Syaili |
| Tanggal Setoran: | 21 Sep 2026 05:43 |
| Last Modified: | 21 Sep 2026 05:43 |
| URI: | http://repository.unism.ac.id/id/eprint/4826 |
Actions (login required)
 |
View Item |
