DETEKSI DINI KEBOCORAN GAS LPG BERBASIS IOT DENGAN METODE KLASIFIKASI K-NEAREST NEIGHBOR (KNN)

sita susela (2026) DETEKSI DINI KEBOCORAN GAS LPG BERBASIS IOT DENGAN METODE KLASIFIKASI K-NEAREST NEIGHBOR (KNN). PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2026.

[img] Text
Skripsi Sita Susela _ 11203362210089.pdf

Download (3MB)

Abstract

Kebocoran Liquefied Petroleum Gas (LPG) merupakan salah satu penyebab terjadinya kebakaran dan ledakan yang dapat membahayakan keselamatan pengguna. Oleh karena itu, diperlukan sistem yang mampu mendeteksi kebocoran gas secara dini serta melakukan tindakan mitigasi secara otomatis. Penelitian ini bertujuan merancang dan membangun sistem deteksi dini kebocoran gas LPG berbasis Internet of Things (IoT) menggunakan sensor MQ-2 dan mikrokontroler ESP32 dengan metode klasifikasi K-Nearest Neighbor (KNN). Data konsentrasi gas dalam satuan Part Per Million (PPM) dikumpulkan dan diberi label kedalam kategori aman, waspada dan bahaya berdasarkan literatur penelitian terdahulu. Selanjutnya, data di proses menggunakan label Encoding dan diklasifikasikan menggunakan algoritma KNN. Sistem diintegrasikan dengan platform Blynk untuk pemantauan secara real-time serta dilengkapi buzzer, LED, indikator dan katup otomatis berbasis motor servo sebagai tindakan mitigasi ketika kondisi bahaya terdeteksi. Evalusi model dilakukan menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi perubahan konsentrasi gas LPG, menampilkan informasi kondisi gas secara real-time, mengaktifkan alarm, serta menggerakan katup gas secara otomatis pada kondisi bahaya. Hasil evaluasi KNN memperoleh nilai akurasi sebasar 93,53% dengan tingkat eror sebesar 6,47%. Nilai presisi, recall, dan F1-skor menunjukkan performa klasifikasi yang baik pada setiap kategori kondisi gas. Dengan demikian sistem yang di kembangkan mampu melakukan deteksi dini kebocoran gass LPG serta mitigasi otomatis untuk meningkatkan keamanan penggunaan LPG.

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: LPG; Internet of Things; MQ-2; K-Nearest Neighbor; Deteksi Kebocoran Gas
Subjects: T Technology > T Technology (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Sita Susela
Tanggal Setoran: 24 Sep 2026 07:41
Last Modified: 24 Sep 2026 07:41
URI: http://repository.unism.ac.id/id/eprint/4931

Actions (login required)

View Item View Item