Perbandingan Metode One Class SVM dan Isolation Forest Dalam
Mendeteksi Anomali Dalam Activity Recognition Pada Rumah Dengan
PIR Sensor
HATTA CHAIDIR
Informasi Umum
Kode
21.04.2943
Klasifikasi
004.678 - Internet (World Wide Web)
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Internet Of Things
Dilihat
550 kali
Informasi Lainnya
Abstraksi
Abstrak Pendeteksian activity recognition pada rumah cukup penting untuk mengetahui adanya gerakan anomali. Algoritma One Class SVM & Isolation Forest adalah algoritma yang dapat diterapkan untuk pendeteksian anomali, namun kedua algoritma tersebut memiliki kekurangan dan kelebihan masing masing. Tujuan dari tugas akhir ini adalah membandingkan algoritma One Class SVM dan Isolation Forest untuk mencari hasil yang paling baik dari segi akurasi, sensitivity, dan specificity untuk membedakan gerakan anomali atau bukan dari penghuni rumah. PIR Sensor digunakan pada proses pengambilan dataset, dataset yang sudah didapat akan diolah secara manual terlebih dahulu, setelah dataset diolah maka akan diproses oleh algoritma One Class SVM dan Isolation Forest. Hasil dari pengujian tugas akhir ini algoritma One Class SVM memiliki nilai Akurasi sebesar 96%, Sensitivity 100%, dan Specificity 98,2 %, sedangkan algoritma Isolation Forest memiliki nilai Akurasi sebesar 91%, Sensitivity 40%, dan Specificity 91,4%. Kata Kunci: Anomali, Akurasi, Sensitivity, Specificity, One Class SVM, Isolation Forest
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | HATTA CHAIDIR |
| Jenis | Perorangan |
| Penyunting | Aji Gautama Putrada, Maman Abdurohman |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
