Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 9, September 2018, hlm. 2485-2490 http://j-ptiik.ub.ac.id

Implementasi Algoritme Naive Bayes Menggunakan Arduino Uno untuk

Otomatisasi Lampu Ruangan Berdasarkan Kebiasaan dari Penghuni
Rumah
Septian Mukti Pratama1, Wijaya Kurniawan2, Hurriyatul Fitriyah3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1septianmukti15@gmail.com, 2wjaykurnia@ub.ac.id, 3hfitriyah@ub.ac.id

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

dikenal dengan Smart Home atau eHome

1. PENDAHULUAN merupakan salah satu sistem otomatis yang
Sebuah rumah pintar atau yang sering canggih untuk mengontrol peralatan rumah

Fakultas Ilmu Komputer

Universitas Brawijaya 2485
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
seperti pencahayaan dan suhu, peralatan
multimedia, memantau dan mengaktifkan sistem
keamanan seperti jendela atau pintu dan banyak
fungsi lainnya. Sebuah smart home terlihat
"smart" karena sistem komputer yang dapat
memantau banyak aspek kehidupan sehari-hari
(Bregman, 2010). Pada sistem smart home
merupakan sebuah gabungan antara teknologi
dengan pelayanan yang dilakukan di dalam
lingkungan rumah.
Di era perkembangan teknologi analog,
pada umumnya perangkat-perangkat listrik
dikendalikan secara manual oleh pengguna.
Seseorang harus menghidupkan dan mematikan
sakelar secara langsung yang terhubung ke
perangkat listrik tersebut. Salah satu contoh
perangkat listrik yang dikendalikan secara
manual oleh pengguna adalah lampu pijar.
Lampu merupakan peralatan yang pasti ada 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. Terkadang, terdapat beberapa
lampu pijar yang dijumpai masih hidup ketika
waktu siang hari. Hal ini bisa disebabkan oleh
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
kondisi pagi hari yang sudah berangkat ke kantor
dan malam hari baru pulang ke rumah. Hal yang
biasa dilakukan adalah sudah menyalakan lampu
dari pagi hari, karena takut saat malam hari
keadaan rumah gelap karena pemilik rumah
belum sampai dirumah (Noor Yulita Dwi
Setyaningsih, 2017). Hal tersebut merupakan
penggunaan dari lampu pijar yang kurang
efektif.
Pada penelitian sebelumnya dengan judul
“Perancangan Context-Aware Smart Home
dengan Menggunakan Internet of Things”
dimana penelitian tersebut merancang untuk
menggabungkan dua fungsi smart home yaitu
sebagai remote access dan home automation
untuk menunjang context-aware smart home
(Arif Setiawan, 2016). Pada penelitian lainya
yang berjudul “Pengembangan Centralized
Fakultas Ilmu Komputer, Universitas Brawijaya
2486
Smart Home Simulator Sebagai Solusi
Penghematan Biaya Listrik Menggunakan
Algoritma K-Means” dimana penelitian tersebut
merancang tentang smart home simulator untuk
solusi penghematan biaya listrik yang
menggunakan algoritma K-Means. Sistem
tersebut telah dapat berjalan secara otomatis
berdasarkan hasil pembelajaran yang dilakukan
pada algoritma K-Means terhadap kebiasaan
pengguna dalam menyalakan dan mematikan
peralatan elektronik berdasarkan waktunya
(Putri Laras Rinjani, 2017).
Penelitian ini akan mengembangkan sebuah
sistem yang nantinya akan menyalakan atau
mematikan lampu secara otomatis dengan cara
mempelajari perilaku penghuni rumah ketika
menyalakan dan juga mematikan lampu.
Keluaran dari sistem ini adalah sebuah
otomatisasi terhadap lampu yang sesuai dengan
jam yang dimasukkan oleh user.
2. PERANCANGAN DAN
IMPLEMENTASI
2.1 Gambaran Umum Sistem
Gambar 1 menjelaskan gambaran secara
umum tentang jalannya sistem yang berupa
diagram blok.
Gambar 1. Diagram Blok Sistem
Sistem ini dirancang untuk membantu
pengguna dalam memakai atau menggunakan
peralatan elektronik yang terdapat di dalam
rumah. Peralatan elektronik yang dapat di
kontrol pada sistem ini adalah berupa lampu
pijar. Pada sistem ini terdapat masukan yang
berupa jam yang berdasarkan kebiasaan sehari-
hari pengguna tersebut dalam menyalakan
lampu. Masukan tersebut nantinya akan di
proses menggunakan metode Naive Bayes.
Keluaran dari sistem ini berupa sebuah lampu
pijar yang akan menyala atau mati sesuai dengan
waktu yang telah dimasukkan oleh user.
2.2 Perancangan Sistem
Sebelum melakukan implementasi, terlebih
dahulu akan dibuat sebuah perancangan yang
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2487

terdiri dari perancangan perangkat keras dan
perangkat lunak untuk sistem. Perancangan
perangkat keras ini terdiri dari perancangan
untuk Modul relay beserta aktuator dan
perancangan untuk Real Time Clock (RTC).
Untuk perancangan pada perangkat keras akan
dijelaskan dibawah ini.
Naive Bayes adalah menghitung nilai prior dari
masing-masing kelas. Tahap kedua yaitu
menentukan nilai peluang dari masing-masing
fitur atau peluang Likelihood. Apabila masukan
tersebut merupakan data yang baru dan belum
terdapat pada data latih, proses yang dilakukan
adalah menggunakan distribusi Gaussian yang
terdapat pada Persamaan (1).

Mulai

Jam
Kebiasaan
dalam Menit

Tidak

Menit <60 atau

>1440
Gambar 2. Perancangan Modul Relay dan Aktuator

Pada Gambar 2 menjelaskan mengenai

Ya
rangkaian pada modul relay dan Arduino Uno
yang akan berfungsi sebagai saklar untuk lampu
pijar. Klasifikasi Naive Bayes

Hasil
Klasifikasi
Kondisi
Lampu

Tidak

Jam sama dengan

masukan
Gambar 3. Perancangan Real Time Clock (RTC)

Gambar 3 menjelaskan tentang rangkaian Ya

pada Real Time Clock (RTC) pada sistem yang Lampu
akan digunakan sebagai jam elektronik untuk Nyala atau
menghitung waktu secara real time agar hasil Mati sesuai
klasifikasi
dari klasifikasi pada aktuator dapat berjalan
sesuai dengan jam yang telah dimasukkan oleh
user. Stop
Proses selanjutnya adalah perancangan
perangkat lunak untuk program arduino IDE dan Gambar 4. Diagram Alir Perancangan Program
perancangan untuk klasifikasi Naive Bayes yang Arduino IDE
akan dijelaskan menggunakan diagram alir
berikut ini.
Gambar 4 menjelaskan tentang gambaran
umum dari perancangan program Arduino IDE
pada sistem otomatisasi lampu berdasarkan
kebiasaan menyalakan dan mematikan lampu.
Gambar 5 menjelaskan tentang proses
perancangan program untuk melakukan
klasifikasi. Tahap pertama proses klasifikasi

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2488

Mulai
selanjutnya adalah dengan melakukan proses
implementasi kedalam sistem.

Jam
Kebiasaan
dalam Menit

Pembacaan Data Latih

Gambar 6. Implementasi Modul Relay

Prior()
Gambar 6 merupakan tampilan dari
implementasi perangkat keras antara modul
relay dengan Arduino Uno. Dari gambar tersebut
Likelihood()
dapat terlihat bahwa pin VCC, IN dan GND pada
modul relay telah disambungkan dengan pin
VCC, pin 3 dan GND pada Arduino Uno.

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.

2.3 Implementasi Sistem

Setelah proses perancangan sistem telah
selesai dilakukan, tahap yang dilakukan

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2489

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

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2490

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.

Fakultas Ilmu Komputer, Universitas Brawijaya