Penerapan Model Algoritma Unsupervised Learning untuk Klasterisasi Tingkat Kenyamanan Ruang Tidur berdasarkan Faktor Lingkungan
DOI:
https://doi.org/10.25126/jtiik.2025129456Kata Kunci:
clustering, unsupervised learning, comfort level, k-means clusteringAbstrak
Pada era revolusi industri 4.0, teknologi seperti cloud computing, robotic, internet of things(IoT), artificial intelligence (AI) dan machine learning (ML) sangat banyak dikembangkan di berbagai sektor seperti industri, pemerintahan, pendidikan hingga ke sektor rumah tangga. Salah satu teknologi yang banyak digunakan di era revolusi industri 4.0 ini adalah AI atau ML. Pada penelitian ini telah berhasil menerapkan sebuah pengolahan data secara klasterisasi menggunakan model ML yaitu unsupervised learning menggunakan algoritma k-means clustering terhadap data yang sudah dikumpulkan. Data tersebut berupa data kuantitaif lingkungan ruang tidur yang dapat diukur, data tersebut diukur dan diambil menggunakan perangkat yang memiliki 5 sensor, yaitu sensor suara, cahaya, temperature, humidity, karbon dioksida (CO2), data nilai panjang, data nilai lebar serta, nilai cuaca yang diambil pada platform OpenWheater menggunakan perangkat yang dibangun berbasis IoT menggunakan koneksi internet dari sebuah access point. Data yang dikumpulkan menjadi sebuah dataset yang diolah menggunakan model algoritma k-means clustering sehingga dapat digunakan untuk melakukan klasterisasi terhadap kenyamanan ruang tidur. Dari hasil pengolahan menggunakan model algoritma k-means clustering terdapat nilai Silhouette sebesar 0,268 dengan persentase data per klaster adalah 29,92%% untuk klaster 0 (tidak nyaman) dan 70,08% untuk klaster 1 (nyaman). Dalam praktik nyata, temuan dari hasil penerapan penelitian ini dapat digunakan untuk mengembangkan rekomendasi personalisasi untuk pengaturan ruang tidur, nantinya dapat merancang produk atau desain yang lebih efektif, di mana penerapan ML dapat dibenamkan secara langsung dalam sebuah sistem yang utuh. Dampaknya bisa sangat luas, mencakup peningkatan kesehatan, produktivitas, dan kesejahteraan penggunanya.
Abstract
In the era of Industry 4.0, technologies such as cloud computing, robotics, the Internet of Things (IoT), artificial intelligence (AI), and machine learning (ML) have been extensively developed across various sectors, including industry, government, education, and even households. One of the technologies widely used in this era is AI and ML. This research successfully applied clustered data processing using the ML model, specifically unsupervised learning with the k-means clustering algorithm, to the collected data. The data consists of quantitative measurements of the bedroom environment, gathered using a device with 5 sensors: sound, light, temperature, humidity, carbon dioxide (CO2), as well as length, width, and weather data taken from the OpenWeather platform using an IoT-based device with an internet connection from an access point. The collected data forms a dataset that is processed using the k-means clustering algorithm to classify the comfort level of the bedroom. The results of this processing showed a Silhouette value of 0.268, with the percentage of data per cluster being 29.92% for cluster 0 (uncomfortable) and 70.08% for cluster 1 (comfortable). In real practice, the findings from this research can be used to develop personalized recommendations for bedroom arrangements and to design more effective products. The application of ML can be embedded directly into a complete system, with far-reaching impacts, including improving users' health, productivity, and well-being.
Downloads
Referensi
BASNER, M., SMITH, M. G., JONES, C. W., ECKER, A. J., HOWARD, K., SCHNELLER, V., CORDOZA, M., KAIZI-LUTU, M., PARK-CHAVAR, S., STAHN, A. C., DINGES, D. F., SHOU, H., MITCHELL, J. A., BHATNAGAR, A., SMITH, T., SMITH, A. E., STOPFORTH, C. K., YEAGER, R., & KEITH, R. J, 2023. Associations of bedroom PM2.5, CO2, temperature, humidity, and noise with sleep: An observational actigraphy study. Sleep Health, 9(3), 253–263. https://doi.org/https://doi.org/10.1016/j.sleh.2023.02.010
CADDICK, Z. A., GREGORY, K., ARSINTESCU, L., & FLYNN-EVANS, E. E, 2018. A review of the environmental parameters necessary for an optimal sleep environment. Building and Environment, 132, 11–20. https://doi.org/10.1016/j.buildenv.2018.01.020
CAO, T., LIAN, Z., MA, S., & BAO, J, 2021. Thermal comfort and sleep quality under temperature, relative humidity and illuminance in sleep environment. Journal of Building Engineering, 43, 102575. https://doi.org/10.1016/j.jobe.2021.102575
DARUHADI, GAGAH., SOPIATI, PIA., 2024. Pengumpulan Data Penelitian. -CEKI : Jurnal Cendekia Ilmiah Vol.3, No.5. pp. 5423-5443.
FEBRIANTO, A., ACHMADI, S., & SASMITO, A. P., 2021. Penerapan Metode K-Means untuk Clustering Pengunjung Perpustakaan Itn Malang. In Jurnal Mahasiswa Teknik Informatika) (Vol. 5, Issue 1). https://doi.org/10.36040/jati.v5i1.3222
HANDOYO, R., RUMAMI M, R., & NASUTION, S. M., 2014. Perbandingan Metode Clustering Menggunakan Metode Single Linkage Dan K - Means Pada Pengelompokan Dokumen. JSM STMIK Mikroskil, 73- 82.
HUTAGALUNG, N., MARNI, E. . AND ERIANTI, S., 2022. Faktor-Faktor Yang Mempengaruhi Kualitas Tidur Pada Mahasiswa Tingkat Satu Program Studi Keperawatan Stikes Hang Tuah Pekanbaru. Jurnal Keperawatan Hang Tuah (Hang Tuah Nursing Journal), 2(1), pp. 77–89. https://doi.org/10.25311/jkh.Vol2.Iss1.535
KHALIF, M. I., SYAUQY, D., & MAULANA, R., 2017. Pengembangan Sistem Penghitung Langkah Kaki Hemat Daya Berbasis Wemos D1 Mini. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(6), 2211–2220. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1567
KÜÇÜKHÜSEYIN, ÖZGÜR. 2021. CO₂ Monitoring And Indoor Air Quality, The REHVA European HVAC Journal, pp. 54 – 59.
LI, K., LIU, Y., CHEN, L., & XUE, W., 2024. Data efficient indoor thermal comfort prediction using instance based transfer learning method. Energy and Buildings, 306, 113920. https://doi.org/10.1016/j.enbuild.2024.113920
LIU, Y., LI, X., SUN, C., DONG, Q., YIN, Q., & YAN, B., 2024. An indoor thermal comfort model for group thermal comfort prediction based on K-means++ algorithm. Energy and Buildings, 115000. https://doi.org/10.1016/j.enbuild.2024.115000
LISISWANTI, R., SAPUTRA, O., INDAH SARI, M., & HANA ZAFIRAH, N., 2019. Hubungan Antara Kualitas Tidur terhadap Hasil Belajar Mahasiswa Program Studi Pendidikan Dokter Fakultas Kedokteran Universitas Lampung. In J Agromedicine Volume (Vol. 6).
PRABASARI, NINDA AYU., MANUNGKALIT, MARIA. & RADJAWANE, CORMUTIA JESICA., 2022. Lingkungan di Panti Werdha yang Mendukung Kualitas Tidur Baik pada Lanjut Usia (Environment in nursing Home That Supports Good Sleep Quality In The Elderly). Lingkungan di Panti Werdha yang Mendukung Kualitas Tidur Baik pada Lanjut Usia (Environment in nursing Home That Supports Good Sleep Quality In The Elderly), 10 (2). pp. 60-67. ISSN pISSN: 2338-624X, eISSN: 2614-4352.
ROKHMAN, N., NINGTYAS, A. M., SALIM, M. F., & SANTOSO, D. B., 2020. Penerapan Sistem Data Cleansing untuk Mencegah dan Menghilangkan Duplikasi Rekam Medis. Jurnal Pengabdian Kepada Masyarakat (Indonesian Journal of Community Engagement), 6(4). https://doi.org/10.22146/jpkm.51073
SNI-03-6575-2001. Tata Cara Sistem Pencahayaan Buatan pada Gedung.
SNI 03-6386-2000. Spesifikasi tingkat bunyi dan waktu dengung dalam bangunan gedung dan perumahan (kriteria desain yang direkomendasikan).
SONG, G., HWANG, J., KIM, J., KIM, H., LEE, S., PARK, J., & CHO, G, 2024. Automatic Classification of Multi-Channel PSD Results Combining Unsupervised and Supervised Learning. Nuclear Engineering and Technology. https://doi.org/10.1016/j.net.2024.11.033
SURAYA, S., SHOLEH, M., & LESTARI, U., 2023. Evaluation of Data Clustering Accuracy using K-Means Algorithm. International Journal of Multidisciplinary Approach Research and Science, 2(01), 385–396. https://doi.org/10.59653/ijmars.v2i01.504
SURYADI , USEP TATANG., SARASWATI, SRI, 2020. Sistem Cerdas Pemantau Kenyamanan Ruang Kelas Berbasis Internet Of Things (Iot) Menggunakan Metode K-Means Pada Platform Thingspeak. Jurnal Teknologi Informasi dan Komunikasi STMIK Subang, Vol.15, No.1, April 2020. ISSN: 2252-4517.
YAHYA, KURNIA BIN., MAHPUZ., 2019. Penggunaan Algoritma K-Means Untuk Menganalisa Pelanggan Potensial Pada Dealer SPS Motor Honda Lombok Timur Nusa Tenggara Barat. Infotek: Jurnal Informatika dan Teknologi Vol. 2, No. 2. pp. 109-118. https://doi.org/10.29408/jit.v2i2.1447
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
