Perbandingan Metode One Class SVM dan Isolation Forest Dalam Mendeteksi Anomali Dalam Activity Recognition Pada Rumah Dengan PIR Sensor

HATTA CHAIDIR

Informasi Dasar

242 kali
21.04.2943
004.678
Karya Ilmiah - Skripsi (S1) - Reference

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

Subjek

INTERNET OF THINGS
 

Katalog

Perbandingan Metode One Class SVM dan Isolation Forest Dalam Mendeteksi Anomali Dalam Activity Recognition Pada Rumah Dengan PIR Sensor
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

HATTA CHAIDIR
Perorangan
Aji Gautama Putrada, Maman Abdurohman
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2021

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini