Please use this identifier to cite or link to this item:
http://repository.ipb.ac.id/handle/123456789/103770
Title: | Deteksi Anomali Cerdas untuk Tipikal Aliran Data Sensor IoT |
Authors: | Hermadi, Irman Arkeman, Yandra Willyam |
Issue Date: | 2020 |
Publisher: | IPB University |
Abstract: | Salah satu pemanfaatan internet of things adalah data logging pada sensor. Data logging pada sensor memudahkan orang untuk memonitor segala aktivitas lingkungan. Anomali didefinisikan sebagai suatu kejadian dimana pembacaan data pada sensor IoT yang tidak mengikuti pola bacaan aliran data sebelumnya. Terkadang sensor tidak memberi peringatan ketika terjadi anomali. Hal ini menyebabkan sulitnya deteksi anomali pada data yang dikirimkan sensor. Penelitian ini bertujuan mengembangkan model deteksi anomali cerdas untuk tipikal aliran data sensor IoT dengan menggunakan algoritme deep neural network sebagai model pendeteksi anomali. Jenis arsitektur deep neural network yang digunakan adalah autoencoder. Evaluasi model prediksi untuk kelompok sensor 1, 2, dan 3 diperoleh f1-score masing-masing sebesar 0.866, 0.654, dan 0.8. Parameter batas error yang digunakan agar diperoleh nilai tersebut masing-masing adalah 0.09, 0.055, dan 0.07. |
URI: | http://repository.ipb.ac.id/handle/123456789/103770 |
Appears in Collections: | UT - Computer Science |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
G20wil.pdf Restricted Access | Fulltext | 8.83 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.