KRESNA MEDIAKRESNA MEDIA
Jurnal Riset InformatikaJurnal Riset InformatikaData yang hilang dan tidak lengkap pada jaringan sensor Environmental Internet of Things (IoT) dapat menurunkan keandalan data dan mengganggu proses analisis, terutama pada deret waktu suhu dan kelembapan yang memiliki pola musiman harian (diurnal) yang kuat. Penelitian ini mengembangkan dan mengevaluasi metode imputasi musiman untuk menangani data yang hilang dalam pemantauan lingkungan berbasis IoT, dengan alur kerja yang mencakup deteksi anomali, penghapusan outlier, imputasi berbasis waktu (time-of-day-aware), serta evaluasi kinerja pada berbagai skenario tingkat kehilangan data. Tantangan utama yang dihadapi meliputi gangguan sensor, masalah konektivitas, dan kegagalan perangkat keras yang bersifat sementara, yang dapat menurunkan integritas data serta memengaruhi analisis tren, peramalan, dan deteksi anomali. Untuk mengatasi hal tersebut, metode ini memanfaatkan pola musiman pada tingkat jam dan menit setelah terlebih dahulu menyaring nilai-nilai yang secara fisik tidak realistis. Hasil eksperimen menunjukkan akurasi dan ketahanan yang tinggi dalam merekonstruksi data suhu dan kelembapan, dengan nilai MAE suhu sekitar 0,86–0,87°C dan MAE kelembapan sebesar 3,92–4,01%RH, tanpa penurunan kinerja bahkan pada kondisi kehilangan data hingga 50%. Deret waktu hasil imputasi tetap mempertahankan dinamika diurnal alami tanpa menimbulkan distorsi, sehingga mampu memulihkan kontinuitas dan konsistensi struktural pada deret waktu IoT lingkungan untuk mendukung pemodelan, ekstraksi fitur, dan sistem pendukung pengambilan keputusan yang andal.
Penelitian ini menunjukkan bahwa metode imputasi musiman yang diusulkan, yang menggabungkan pembersihan anomali dan imputasi waktu-of-day musiman, efektif dalam meningkatkan kualitas dan kontinuitas data sensor IoT lingkungan.Penghapusan outlier ekstrem diikuti oleh imputasi musiman berhasil merekonstruksi observasi yang hilang sambil mempertahankan dinamika diurnal alami dari deret waktu suhu dan kelembapan.Hasil eksperimen menunjukkan bahwa pendekatan yang diusulkan mencapai kesalahan rekonstruksi yang konsisten dan rendah di berbagai skenario tingkat kehilangan data.Untuk data suhu, metode ini mempertahankan nilai MAE antara 0,86–0,87°C dan MAPE antara 3,17–3,22%, sedangkan kesalahan kelembapan berkurang secara signifikan dari sekitar 10,45%RH menjadi 3,92–4,01%RH.Selang kepercayaan 95% yang sempit lebih lanjut menunjukkan bahwa kinerja rekonstruksi tetap stabil dan andal secara statistik di berbagai simulasi berulang, bahkan di bawah kondisi kehilangan data yang tinggi.Secara keseluruhan, temuan ini mengonfirmasi bahwa pendekatan imputasi musiman menyediakan solusi yang kuat dan efisien secara komputasi untuk menangani nilai-nilai yang hilang dalam deret waktu sensor IoT lingkungan, memungkinkan pembuatan dataset yang andal untuk pemantauan lingkungan dan aplikasi analitis lebih lanjut.
Saran penelitian lanjutan yang diusulkan meliputi pengembangan kerangka kerja yang terintegrasi dengan informasi multi-sensor, adopsi pemodelan musiman adaptif atau berbasis pembelajaran untuk mengakomodasi variabilitas lingkungan, dan validasi metode di berbagai wilayah iklim untuk meningkatkan generalisasi. Selain itu, mengeksplorasi pendekatan hibrida yang menggabungkan pola musiman dengan model pembelajaran mesin, seperti autoencoder LSTM atau metode time series probabilistik, dapat memperkuat akurasi rekonstruksi, terutama di bawah tingkat kehilangan data yang tinggi. Akhirnya, mengembangkan implementasi real-time yang cocok untuk perangkat edge atau tertanam IoT akan memungkinkan koreksi data on-device dan meningkatkan praktisitas sistem pemantauan lingkungan.
| File size | 1.01 MB |
| Pages | 15 |
| DMCA | Report |
Related /
UMBUMB However, their oxidative stability and long-term thermal performance require further optimization. The study highlights the need for standardized evaluationHowever, their oxidative stability and long-term thermal performance require further optimization. The study highlights the need for standardized evaluation
KRESNA MEDIAKRESNA MEDIA Penelitian ini menunjukkan bahwa kerangka kerja LDA yang dioptimalkan, yang mengintegrasikan tahap praproses, pemodelan bigram, dan evaluasi metrik gandaPenelitian ini menunjukkan bahwa kerangka kerja LDA yang dioptimalkan, yang mengintegrasikan tahap praproses, pemodelan bigram, dan evaluasi metrik ganda
KRESNA MEDIAKRESNA MEDIA Rata-rata peningkatan ketiga subjek dalam kondisi 0 lux mencapai 50% dan kondisi 15 lux meningkat sebesar 6,6%. Hal ini dapat digunakan untuk melengkapiRata-rata peningkatan ketiga subjek dalam kondisi 0 lux mencapai 50% dan kondisi 15 lux meningkat sebesar 6,6%. Hal ini dapat digunakan untuk melengkapi
KRESNA MEDIAKRESNA MEDIA Miner dan phoma memiliki fitur gambar yang serupa yang menjadi tantangan dalam penelitian ini. Beberapa pendekatan deep learning digunakan untuk membantuMiner dan phoma memiliki fitur gambar yang serupa yang menjadi tantangan dalam penelitian ini. Beberapa pendekatan deep learning digunakan untuk membantu
UNIGOUNIGO Penelitian ini mengkaji pengaruh pengetahuan perpajakan dan literasi perpajakan terhadap tingkat kepatuhan pajak pelaku Usaha Mikro, Kecil, dan MenengahPenelitian ini mengkaji pengaruh pengetahuan perpajakan dan literasi perpajakan terhadap tingkat kepatuhan pajak pelaku Usaha Mikro, Kecil, dan Menengah
UNIGOUNIGO Regulator disarankan untuk menyusun kebijakan yang mendorong adopsi AI secara bertanggung jawab dalam praktik audit.organisasi dan auditor sebaiknya meningkatkanRegulator disarankan untuk menyusun kebijakan yang mendorong adopsi AI secara bertanggung jawab dalam praktik audit.organisasi dan auditor sebaiknya meningkatkan
UNIGOUNIGO Pada pengujian parsial variabel profitabilitas berpengaruh dan tidak signifikan terhadap keputusan investasi, likuiditas berpengaruh negatif dan tidakPada pengujian parsial variabel profitabilitas berpengaruh dan tidak signifikan terhadap keputusan investasi, likuiditas berpengaruh negatif dan tidak
UNNESUNNES Furthermore, the Financial Services Authority as a banking supervisory institution also took part in and supported the Governments policies, namely byFurthermore, the Financial Services Authority as a banking supervisory institution also took part in and supported the Governments policies, namely by
Useful /
SAGITASAGITA Hasil penelitian pemeriksaan tingkat kelelahan menggunakan skala borg dapat disimpulkan terjadi penurunan kelelahan dari T1 = 5 (berat) menjadi T4 = 3Hasil penelitian pemeriksaan tingkat kelelahan menggunakan skala borg dapat disimpulkan terjadi penurunan kelelahan dari T1 = 5 (berat) menjadi T4 = 3
UnimorUnimor Selain itu, penelitian ini tidak memeriksa faktor-faktor yang mempengaruhi kualitas instrumen evaluasi. Penelitian selanjutnya dapat mengeksplorasi aspek-aspekSelain itu, penelitian ini tidak memeriksa faktor-faktor yang mempengaruhi kualitas instrumen evaluasi. Penelitian selanjutnya dapat mengeksplorasi aspek-aspek
LPPM UNBAJALPPM UNBAJA Komponen Sensor Unit dengan failure mode Sensor mati (non Respon) memiliki RPN tertinggi 256. Perbaikan yang diusulkan mencakup pemeriksaan rutin dan pembersihanKomponen Sensor Unit dengan failure mode Sensor mati (non Respon) memiliki RPN tertinggi 256. Perbaikan yang diusulkan mencakup pemeriksaan rutin dan pembersihan
LPPM UNBAJALPPM UNBAJA 928 kg, dengan frekuensi pemesanan periode setahun sebanyak 5 kali, terdapat safety stock atau cadangan pengaman sebesar 1. 863 kg dan reorder point atau928 kg, dengan frekuensi pemesanan periode setahun sebanyak 5 kali, terdapat safety stock atau cadangan pengaman sebesar 1. 863 kg dan reorder point atau