Perancangan Algoritma Prediksi Iluminansi di Ruang Kuliah TN7 DTNTF UGM

Mohammad Itqon Alexander, Prof. Dr. Ir. Faridah, S.T., M.Sc., IPU., ASEAN Eng.; Ir. Memory M. Waruwu, S.T., M.Eng., IPM.

2026 | Skripsi | FISIKA TEKNIK

Konsumsi energi tinggi menimbulkan dampak lingkungan sehingga diperlukan upaya penghematan, salah satunya pada sektor bangunan. Sistem kontrol pencahayaan dapat diterapkan berdasarkan pemantauan iluminansi dalam ruangan. Namun terdapat kesulitan dalam penggunaan sensor fisik. Building Management System (BMS) DTNTF UGM telah menyediakan data iluminansi luar dan status nyala grup lampu. Penelitian ini merancang algoritma prediksi iluminansi di ruang kuliah TN7 berdasarkan masukan tersebut.

Algoritma disusun berdasarkan karakteristik ruangan dan sistem pencahayaan. Pengukuran pencahayaan alami dan buatan dilakukan pada 32 titik dalam ruangan. Algoritma diuji pada beberapa kondisi pencahayaan. Algoritma diterapkan dengan program Python dan diintegrasikan pada modul soft sensor yang telah terbangun dalam BMS DTNTF UGM. 

Hasil menunjukkan daylight factor lebih besar pada titik pengukuran di dekat jendela dengan standar deviasi tinggi. Validasi daylight factor menghasilkan MAE 9 lux. Iluminansi dari pencahayaan buatan lebih tinggi pada titik pengukuran yang bersesuaian dengan posisi grup lampu. Pengujian algoritma menghasilkan MAPE 14% untuk langit berawan, kurang dari batas yang dapat dideteksi manusia. Sebanyak 81,25% titik pengukuran memiliki MAPE kurang dari 20%. Algoritma dapat diterapkan dalam BMS DTNTF UGM dengan hasil prediksi ditampilkan dalam heatmap pada dashboard GUI. Modul soft sensor bekerja secara real-time untuk data iluminansi luar, dengan status nyala grup lampu digunakan data dummy.

High energy consumption contributed to environmental issues, making energy conservation essential, particularly in the building sector. Lighting control can be implemented through indoor illuminance monitoring. However, installing physical sensors remains challenging. The Building Management System (BMS) of DTNTF UGM already provides outdoor illuminance data and the status of light group switches. Therefore, this study designs an illuminance prediction algorithm for lecture hall TN7 based on these available inputs.

The algorithm was constructed based on the room characteristics and the lighting system configuration. Measurements of natural and artificial lighting were conducted at 32 points within the room. The algorithm was evaluated under various lighting conditions. The algorithm was implemented in a Python program and integrated into the soft sensor module embedded in the BMS DTNTF UGM.

The results showed a higher daylight factor at measurement points near the windows with greater standard deviations. Validation of the daylight factor produced an MAE of 9 lux. The illuminance contribution from artificial lighting was higher at measurement points corresponding to the positions of the light groups. Algorithm testing resulted in an MAPE of 14% for overcast skies, which is below the threshold detectable by humans. In total, 81.25% of measurement points achieved an MAPE of less than 20%. The algorithm can be deployed in the BMS DTNTF UGM, with prediction results visualised as a heatmap on the GUI dashboard. The soft sensor module operates in real-time for outdoor illuminance data, while dummy data is used for the status of light group switches.

Kata Kunci : Pencahayaan, iluminansi, daylight factor, algoritma prediksi