Rancang Bangun Algoritma Prediksi Kenyamanan Termal Personal Ruang Huni dengan Metode Klasifikasi K-Nearest Neighbors pada Wajah
NOVITA FEBRIANA, Dr. Faridah, S.T., M.Sc.; Ir. Memory M.W., S.T., M.Eng., IPM
2023 | Skripsi | S1 TEKNIK FISIKAIndoor Environment Quality (IEQ) berpengaruh pada kenyamanan termal ruang huni dan penting untuk meningkatkan produktivitas dan kesehatan. Penilaian kenyamanan termal sering kali bersifat kualitatif karena perbedaan persepsi individu. Algoritma prediksi kenyamanan dapat menjadi solusi alternatif yang lebih akurat dan dapat diandalkan untuk menilai kenyamanan termal secara kuantitatif. Pada penelitian ini, dilakukan rancang bangun algoritma prediksi kenyamanan termal personal pada ruang huni berdasarkan tingkat kepuasan menggunakan citra termal pada wajah. Metode yang digunakan K-Nearest Neighbors (KNN) untuk klasifikasi tingkat kepuasan melalui ekstraksi citra termal menggunakan Gray Level Co-occurrence Matrix (GLCM). Hasil penelitian menunjukkan bahwa algoritma berhasil memprediksi kenyamanan termal personal dengan akurasi 96,40%, di mana seseorang nyaman jika citra termal pada wajah menunjukkan suhu dominan pada rentang 28,50 - 36,57 C dan tidak nyaman jika suhu dominan pada rentang 36,57 - 37,40 C.
Indoor Environment Quality (IEQ) affects the thermal comfort of living spaces and is important for improving productivity and health. Thermal comfort assessment is often subjective due to individual perception differences. Comfort prediction algorithms can be a more accurate and reliable alternative solution to objectively assess thermal comfort. In this research, the design of a personal thermal comfort prediction algorithm in a habitable space based on the level of satisfaction using thermal images of the face is carried out. The method used is K-Nearest Neighbors (KNN) for the classification of satisfaction levels through thermal image extraction using Gray Level Co-occurrence Matrix (GLCM). The results showed that the algorithm successfully predicted personal thermal comfort with an accuracy of 96.40%, where a person is comfortable if the thermal image on the face shows the dominant temperature in the range of 28.50 - 36.57 C and uncomfortable if the dominant temperature in the range of 36.57 - 37.40 C.
Kata Kunci : kenyamanan termal, kepuasan, algoritma prediksi, k-nearest neighbors