Electronic Theses and Dissertation

Pada pemadaman listrik, mata manusia tidak dapat mengetahui bahwasanya di dalam ruangan itu terdapat manusia ataupun ruangan kosong pada keadaan gelap jadi perlunya mendeteksi keberadaan manusia pada keadaan gelap. Jadi pada manusia memiliki sifat suhu panas, menurut WHO suhu tubuh normal manusia berkisar 36,5 ⁰C - 37,5 ⁰C, Saat situasi gelap dalam keadaan pemadaman listrik ataupun tidak ada cahaya di suatu tempat orang yang tidak menggunakan lampu senter sulit untuk melihat dalam gelap. Maka pada penelitian ini diperlukan sistem pendeteksian suhu manusia untuk mengetahui bahwasanya di dalam ruangan tersebut ada manusia atau ruangan tersebut kosong. Metode yang digunakan pada penelitian ini yaitu algoritma support vector machine juga menggunakan yang berbasis raspberry pi 3B+ dan sensor infrared (Grid-EYE) untuk deteksi suhu manusia. Penggunaan algoritma support vector machine untuk mengklasifikasikan data yang telah dikirim dan akan mengeluarkan hasil pada telegram yang telah dideteksi pada suatu ruangan dan pada metode ambang batas akan diatur suhu rata-rata untuk mendeteksi ada suhu manusia ataupun ruangan kosong pada ruangan tersebut. Dari hasil pengujian dengan menggunakan sistem algoritma Support Vector Machine mendapatkan akurasi pada kondisi terang dari jarak 30 cm sampai dengan jarak 90 cm yaitu 100 % dan pada jarak 120 cm diperoleh hasil akurasi 71,66 %, sedangkan yang menggunakan ambang batas suhu rata-rata atau tanpa sistem algoritma Support Vector Machine pada kondisi terang mendapatkan akurasi dari jarak 30 cm sampai dengan jarak 120 cm mendapatkan hasil yang berbeda yaitu ketika 30 cm diperoleh hasil 100 %, 60 cm diperoleh hasil 95 %, 90 cm diperoleh hasil 48,33 %, dan 120 cm diperoleh hasil 86,66 %, dapat dilihat bahwasanya menggunakan algoritma lebih akurat daripada tidak menggunakan algoritma.

During a power outage, the human eye cannot detect that there are humans in the room or an empty room in the dark, so it is necessary to detect human presence in the dark. So in humans it has the characteristic of hot temperature, according to WHO normal human body temperature ranges from 36.5 ⁰C - 37.5 ⁰C. When it is dark in a state of power outage or there is no light somewhere people who don't use a flashlight are difficult to see in the dark . So in this study a human temperature detection system is needed to find out that there are humans in the room or the room is empty. The method used in this study is the support vector machine algorithm which also uses a raspberry pi 3B+ based and an infrared (Grid-EYE) sensor for detecting human temperature. The use of a support vector machine algorithm to classify data that has been sent and will issue results on telegrams that have been detected in a room and the threshold method will set the average temperature to detect human temperature or an empty room in that room. From the test results using the Support Vector Machine algorithm system to obtain accuracy in bright conditions from a distance of 30 cm to a distance of 90 cm, namely 100% and at a distance of 120 cm, an accuracy of 71.66% is obtained, while using the average temperature threshold or without the Support Vector Machine algorithm system in bright conditions to get accuracy from a distance of 30 cm to a distance of 120 cm get different results, namely when 30 cm gets a result of 100%, 60 cm gets a result of 95%, 90 cm gets a result of 48.33%, and 120 cm obtained a result of 86.66%, it can be seen that using an algorithm is more accurate than not using an algorithm.