Abstrak
Lampu merupakan peralatan yang pasti dimiliki di setiap rumah karena lampu merupakan alat yang
sangat berperan penting dalam kehidupan sehari-hari. Lampu pijar sangat membantu kepada pemilik
rumah untuk melakukan aktifitas didalam rumah dengan menerangi seluruh ruangan didalam rumah
terutama, saat matahari mulai tenggelam. Penelitian ini bertujuan untuk membantu penghuni dirumah
dalam melakukan kontrol lampu dengan cara melakukan otomatisasi lampu yang dapat mempelajari
perilaku penghuni rumah dalam menyalakan dan mematikan lampu. Penelitian ini menggunakan
algoritma Naive Bayes untuk melakukan pengklasifikasian waktu nyala atau mati lampu berdasarkan
kebiasaan pengguna dalam menyalakan dan mematikan lampu. Hasil dari proses pengklasifikasian
tersebut akan menghasilkan otomatisasi waktu terhadap nyala dan mati pada lampu. Metode Naive
Bayes dipilih sebagai salah satu teknik untuk klasifikasi, karena metode ini hanya membutuhkan
sejumlah kecil data pelatihan untuk memperkirakan parameter yang diperlukan untuk klasifikasi. Selain
itu, pada penelitian ini menggunakan mikrokontroller Arduino Uno untuk menerapkan proses
otomatisasi lampu dan RTC untuk menyesuaikan waktu secara Real Time. Dari hasil beberapa pengujian
yang dilakukan diketahui persentase akurasi pada sistem menggunakan metode Naive Bayes dengan
jumlah data latih sebanyak 40 data dan data uji sebanyak 13 data, diperoleh akurasi sebesar 84,61%
untuk orang pertama dan 92,30% pada orang kedua. Waktu pemrosesan rata-rata selama 0,25 detik dari
13 kali pengujian.
Kata kunci: Smart Home, Lampu, Naive Bayes, kebiasaan
Abstract
Lamps are the equipment that must be owned in every home because the lights has an important role in
everyday life. The lamp are very helpful to the home owner to do the activities in the house by lighting
up the entire room inside the house, especially as the sun began to sink. This study aims to help residents
at home in controlling the lights by doing automation of lights that can learn the behavior of the
residents in turning on and turning off the lights. This study uses Naive Bayes algorithm to classify the
time turn on or off light based on the user's habits in turning on and off the lights. The result of the
classification process will result in the time of automation the lamp. The Naive Bayes method was chosen
as one of the techniques for classification, because this method requires only a small amount of training
data to estimate the parameters required for classification. In addition, in this study using Arduino Uno
microcontroller to apply the process of automation of lamps and RTC to adjust in Real Time. From the
results of several tests performed known the percentage of accuracy on the system using Naive Bayes
method with the amount of data train as much as 40 data and test data of 13 data, obtained accuracy of
84.61% for the first person and 92.30% in the second. Average processing time for 0.25 seconds from
13 test.
Keywords: Smart Home, Lamp, Naive Bayes, habit
seperti pencahayaan dan suhu, peralatan Smart Home Simulator Sebagai Solusi
multimedia, memantau dan mengaktifkan sistem Penghematan Biaya Listrik Menggunakan
keamanan seperti jendela atau pintu dan banyak Algoritma K-Means” dimana penelitian tersebut
fungsi lainnya. Sebuah smart home terlihat merancang tentang smart home simulator untuk
"smart" karena sistem komputer yang dapat solusi penghematan biaya listrik yang
memantau banyak aspek kehidupan sehari-hari menggunakan algoritma K-Means. Sistem
(Bregman, 2010). Pada sistem smart home tersebut telah dapat berjalan secara otomatis
merupakan sebuah gabungan antara teknologi berdasarkan hasil pembelajaran yang dilakukan
dengan pelayanan yang dilakukan di dalam pada algoritma K-Means terhadap kebiasaan
lingkungan rumah. pengguna dalam menyalakan dan mematikan
Di era perkembangan teknologi analog, peralatan elektronik berdasarkan waktunya
pada umumnya perangkat-perangkat listrik (Putri Laras Rinjani, 2017).
dikendalikan secara manual oleh pengguna. Penelitian ini akan mengembangkan sebuah
Seseorang harus menghidupkan dan mematikan sistem yang nantinya akan menyalakan atau
sakelar secara langsung yang terhubung ke mematikan lampu secara otomatis dengan cara
perangkat listrik tersebut. Salah satu contoh mempelajari perilaku penghuni rumah ketika
perangkat listrik yang dikendalikan secara menyalakan dan juga mematikan lampu.
manual oleh pengguna adalah lampu pijar. Keluaran dari sistem ini adalah sebuah
Lampu merupakan peralatan yang pasti ada di otomatisasi terhadap lampu yang sesuai dengan
setiap rumah karena lampu merupakan alat yang jam yang dimasukkan oleh user.
sangat berperan penting dalam kehidupan sehari-
hari. Lampu pijar sangat membantu kepada 2. PERANCANGAN DAN
pemilik rumah untuk melakukan aktifitas IMPLEMENTASI
didalam rumah dengan menerangi seluruh
ruangan didalam rumah terutama saat matahari 2.1 Gambaran Umum Sistem
mulai tenggelam. Terkadang, terdapat beberapa Gambar 1 menjelaskan gambaran secara
lampu pijar yang dijumpai masih hidup ketika umum tentang jalannya sistem yang berupa
waktu siang hari. Hal ini bisa disebabkan oleh diagram blok.
kelalaian pengguna untuk mematikan perangkat
listrik tersebut. Jika jumlah lampu pijar yang
berada di dalam suatu rumah cukup banyak,
maka akan sangat tidak efektif dan tidak nyaman
untuk mematikan dan menghidupkan lampu
pijar tersebut secara manual (Danny Kurnianto,
2016). Contoh lain dari permasalahan saat
melakukan kontrol lampu pijar adalah, ketika
orang memiliki karir di luar rumah, dengan Gambar 1. Diagram Blok Sistem
kondisi pagi hari yang sudah berangkat ke kantor
dan malam hari baru pulang ke rumah. Hal yang Sistem ini dirancang untuk membantu
biasa dilakukan adalah sudah menyalakan lampu pengguna dalam memakai atau menggunakan
dari pagi hari, karena takut saat malam hari peralatan elektronik yang terdapat di dalam
keadaan rumah gelap karena pemilik rumah rumah. Peralatan elektronik yang dapat di
belum sampai dirumah (Noor Yulita Dwi kontrol pada sistem ini adalah berupa lampu
Setyaningsih, 2017). Hal tersebut merupakan pijar. Pada sistem ini terdapat masukan yang
penggunaan dari lampu pijar yang kurang berupa jam yang berdasarkan kebiasaan sehari-
efektif. hari pengguna tersebut dalam menyalakan
Pada penelitian sebelumnya dengan judul lampu. Masukan tersebut nantinya akan di
“Perancangan Context-Aware Smart Home proses menggunakan metode Naive Bayes.
dengan Menggunakan Internet of Things” Keluaran dari sistem ini berupa sebuah lampu
dimana penelitian tersebut merancang untuk pijar yang akan menyala atau mati sesuai dengan
menggabungkan dua fungsi smart home yaitu waktu yang telah dimasukkan oleh user.
sebagai remote access dan home automation
untuk menunjang context-aware smart home 2.2 Perancangan Sistem
(Arif Setiawan, 2016). Pada penelitian lainya Sebelum melakukan implementasi, terlebih
yang berjudul “Pengembangan Centralized dahulu akan dibuat sebuah perancangan yang
terdiri dari perancangan perangkat keras dan Naive Bayes adalah menghitung nilai prior dari
perangkat lunak untuk sistem. Perancangan masing-masing kelas. Tahap kedua yaitu
perangkat keras ini terdiri dari perancangan menentukan nilai peluang dari masing-masing
untuk Modul relay beserta aktuator dan fitur atau peluang Likelihood. Apabila masukan
perancangan untuk Real Time Clock (RTC). tersebut merupakan data yang baru dan belum
Untuk perancangan pada perangkat keras akan terdapat pada data latih, proses yang dilakukan
dijelaskan dibawah ini. adalah menggunakan distribusi Gaussian yang
terdapat pada Persamaan (1).
Mulai
Jam
Kebiasaan
dalam Menit
Tidak
Hasil
Klasifikasi
Kondisi
Lampu
Tidak
Mulai
selanjutnya adalah dengan melakukan proses
implementasi kedalam sistem.
Jam
Kebiasaan
dalam Menit
Posterior()
Menentukan Hasil
Peluang Tertinggi
Hasil
Klasifikasi Gambar 7. Implementasi Real Time Clock (RTC)
untuk Kondisi
Lampu
Pada Gambar 7 merupakan tampilan dari
implementasi perangkat keras antara RTC
dengan Arduino Uno. Dari gambar tersebut
Stop
dapat terlihat, bahwa Pin pada RTC dan Arduino
Uno telah dihubungkan satu sama lain
Gambar 5. Diagram Alir Perancangan Klasifikasi
berdasarkan perancangan yang telah dilakukan
Naive Bayes
sebelumnya.
2
(𝑥−𝜇𝑗 )
1 −
2𝜎𝑗2
3. PENGUJIAN DAN ANALISIS
𝑃(𝑥 | 𝜔𝑖 ) = 𝑒 (1)
2
√2𝜋𝜎𝑗
3.1 Pengujian Akurasi Klasifikasi Naive
Tahap akhir dalam proses klasifikasi waktu Bayes
atau jam kebiasaan pengguna dengan metode Pengujian ini dilakukan untuk mengetahui
Naive Bayes ini adalah dengan membandingkan tingkat akurasi sistem dalam melakukan
hasil nilai satu sama lain antar peluang posterior. klasifikasi pada sistem otomatisasi lampu
Nilai dari peluang posterior yang paling tinggi ruangan berdasarkan kebiasaan. Pengujian ini
merupakan hasil yang akan dijalankan oleh dilakukan dengan memasukkan jam melalui
sistem, dengan cara mematikan atau menyalakan serial monitor pada Arduino IDE seperti yang
lampu pijar. terlihat pada Gambar 8.
2 Pengujian ke-2 25
3 Pengujian ke-3 25
4 Pengujian ke-4 25
5 Pengujian ke-5 24
6 Pengujian ke-6 26
7 Pengujian ke-7 26
8 Pengujian ke-8 26
9 Pengujian ke-9 26
Gambar 8. Proses Memasukkan Jam Kebiasaan
Lewat Serial Monitor 10 Pengujian ke-10 25
11 Pengujian ke-11 26
Pengujian ini dilakukan terhadap 2 orang 12 Pengujian ke-12 26
yang memiliki kebiasaan berbeda ketika 13 Pengujian ke-13 25
menyalakan dan mematikan lampu rumah.
Rata-rata 25,308
Pengujian pertama dilakukan dengan
menggunakan data latih sebanyak 40 data dan 13 Berdasarkan hasil pengujian tersebut,
data digunakan sebagai data uji. Pada tabel 1 didapat rata-rata waktu pemrosesan oleh sistem
terlihat bahwa persentase akurasi yang diperoleh untuk melakukan proses klasifikasi adalah
sistem adalah 84,61%. sebesar 25,308 ms.
Tabel 1. Pengujian terhadap Orang Pertama
4. KESIMPULAN
Jumlah Data Uji 13
Berdasarkan hasil analisis dari pengujian
Jumlah Hasil Klasifikasi yang
sesuai
11 yang dilakukan, maka dapat ditarik beberapa
kesimpulan sebagai berikut :
Presentase Akurasi 84,61%
1. Telah dibuat sistem otomatisasi lampu yang
Selanjutnya, pengujian dilakukan terhadap dapat mempelajari perilaku kebiasaan
orang ke-2 dengan menggunakan data latih dan penghuni rumah ketika menyalakan dan
data uji yang sama, yaitu sebanyak 40 data latih mematikan lampu didalam rumah dengan
dan 13 data data uji. Dalam pengujian tersebut, menggunakan metode Naive Bayes. Sistem
didapat persentase akurasi oleh sistem sebesar akan bekerja dengan cara melakukan
92,30%. klasifikasi jam berdasarkan kebiasaan
penghuni rumah dalam menyalakan atau
Tabel 2. Pengujian terhadap Orang Kedua mematikan lampu menggunakan data yang
Jumlah Data Uji 13 telah didapat selama satu minggu.
Jumlah Hasil Klasifikasi yang 2. Akurasi yang diperoleh Sistem Otomatisasi
12
sesuai Lampu menggunakan Metode Naive Bayes
Presentase Akurasi 92,30% yang diuji dengan jumlah data latih
sebanyak 40 data dan data uji sebanyak 13
3.2. Pengujian Waktu Pemrosesan Sistem data menggunakan kebiasaan dua orang
yang berbeda adalah sebesar 84,61% untuk
Pengujian ini bertujuan untuk mengetahui orang pertama. Pada orang kedua akurasi
waktu yang dibutuhkan oleh sistem untuk yang didapat oleh sistem adalah sebesar
melakukan proses pengklasifikasian terhadap 92,30%.
kondisi lampu berdasarkan jam kebiasaan.
3. Waktu pemrosesan pada Sistem
Pengujian ini dilakukan menggunakan 13 data
Otomatisasi Lampu menggunakan Metode
uji, dimana akan dilakukan percobaan pada tiap
Naive Bayes mempunyai nilai kecepatan
data uji tersebut. Hasil dari pengujian akan dicari
pemrosesan rata-rata sebesar 25,308 ms
rata-rata waktu dari seluruh percobaan yang
atau sekitar 0,25 detik dari 13 kali
telah dilakukan.
pengujian.
Tabel 3. Hasil Pengujian Waktu Pemrosesan
No Nama Pengujian Waktu Komputasi (ms)
1 Pengujian ke-1 24
DAFTAR PUSTAKA
Arif Setiawan, I. W. (2016). Perancangan
Context-Aware Smart Home dengan
Menggunakan Internet of Things. Seminar
Nasional Teknologi Informasi dan
Komunikasi 2016 (SENTIKA 2016), 455-
459.
Bregman, D. (2010). Smart Home Intelligence -
The eHome that Learns. International
Journal of Smart Home, 4.
Danny Kurnianto, A. M. (2016). Perancangan
Sistem Kendali Otomatis pada Smart Home
Menggunakan Modul Aduino. Jurnal
Nasional Teknik Elektro, 261-270.
Noor Yulita Dwi Setyaningsih, I. A. (2017).
Efisiensi Beban Smart Home (Rumah
Pintar) Berbasis Arduino. Prosiding
SNATIF Ke-4 Tahun 2017, 297-302.
Putri Laras Rinjani, E. R. (2017). Pengembangan
Centralized Smarthome Simulator Sebagai
Solusi Penghematan Biaya Listrik
Menggunakan Algoritma K-Means. Jurnal
Pengembangan Teknologi Informasi dan
Ilmu Komputer, 658-667.