Penerapan Algoritma KNN Untuk Klasifikasi Objek di Rel Kereta Api Menggunakan Metal Detector Sensor

Penerapan Algoritma KNN Untuk Klasifikasi Objek di Rel Kereta Api Menggunakan Metal Detector Sensor

Sultan Rasya Nair Al Ghifari, Fathurrozi Winjaya, Dara Aulia Feryando

Pendeteksi sarana pada jalur rel kereta api, seperti axle counter dan track circuit, memiliki keterbatasan dalam mengklasifikasikan objek. Dalam praktiknya, semua objek yang terdeteksi oleh pendeteksi sarana dianggap sebagai sarana perkeretaapian, padahal objek tersebut bisa saja bukan sarana perkeretaapian. Teknologi pendeteksi yang akurat dan andal sangat penting untuk mencegah kecelakaan dan menjaga lalu lintas kereta api tetap aman. Penelitian ini mengembangkan alat pendeteksi menggunakan metal detector sensor yang mampu mengklasifikasikan objek sebagai sarana atau bukan sarana perkeretaapian. Alat ini menerapkan algoritma K-Nearest Neighbors (KNN) dengan menggunakan frekuensi logam dan kecepatan objek yang terdeteksi oleh sensor sebagai variabel pengelompokan. Pembuatan alat ini melibatkan perangkat keras seperti Arduino Uno, metal detector sensor, LCD 16x2, modul microSD card reader, dan laptop, serta perangkat lunak seperti Google Colab dan Arduino IDE yang dilengkapi dengan library KNN untuk mengimplementasikan algoritma KNN. Berdasarkan hasil pengujian, alat ini mampu mengklasifikasikan objek sesuai dengan kelasnya. Hasil klasifikasi ditampilkan melalui LCD 16x2 dan serial monitor. Kelas tidak ada objek memiliki tingkat akurasi sebesar 100%, kelas bukan sarana perkeretaapian memiliki tingkat akurasi sebesar 86,67%, dan untuk kelas sarana perkeretaapian yang terbagi menjadi tiga kategori. Pertama, gandar lori dengan tingkat akurasi sebesar 93,33%, kedua, gandar dengan tingkat akurasi sebesar 86,67%, dan ketiga, gandar TMC dengan tingkat akurasi sebesar 71,67%. Persentase tersebut didapatkan dari 15 kali percobaan pada setiap kelas.

Kata kunci : Algoritma KNN, Arduino Uno, Google Colab, Metal Detector Sensor, Pendeteksi Sarana.