Deteksi Kebisingan Lobby Apartmen Menggunakan Sensor Suara, IOT, dan Algoritma K-NN

Muchammad Defri Jakaria, Santoso Santoso, Balok Hariadi

Abstract

Kebisingan di area lobi apartemen merupakan masalah yang seringkali mengganggu kenyamanan penghuni, terutama di saat acara publik berlangsung atau ketika suara keras berasal dari lingkungan sekitar. Maka, butuh sebuah sistem pemantauan yang mampu secara otomatis, akurat, dan langsung mendeteksi tingkat kebisingan sebagai dasar dalam pengelolaan lingkungan hunian. Studi ini bermaksud menyusun dan menerapkan siistem deteksi kebisingan yang berdasar IoT dengan penggunaan sensor suara guna mengukur tingkat kebisingan, mikrokontroler ESP32 sebagai pengolah data, dan algoritma K-Nearest Neighbor (KNN) untuk mengelompokkan tingkat kebisingan. Hasil pengelompokan ini akan dikirim melalui jaringan IoT ke aplikasi Telegram sebagai pemberitahuan langsung bagi pengelola apartemen. Pengujian menunjukkan bahwa sistem ini mampu mengenali serta mengklasifikasikan tingkat kebisingan dengan akurasi yang tinggi dan mengirim pemberitahuan secara real-time saat batas ambang terlampaui. Hal ini bisajadi solusi yang ampuh guna menjamin kenyamanan dan kondisi lingkungan apartemen.

Keywords

Algoritma, Deteksi, IoT, Kebisingan, Sensor

Full Text:

PDF PDF

References

Apriliyanti, S., Putri, R. I. P., Hermawati, D., Azizi, R. D., dan Susintowati. (2025). “Mengulas Dampak Polusi Suara Akibat Sound Horeg terhadap Kualitas Lingkungan Masyarakat”. Biologiei Educația: Jurnal Pendidikan Biologi. Vol. 05. No. 01. Hal 121-129.

Arsaf, N. F., Bakhtiar, dan Ahmadin. (2025). “Dampak Urbanisasi Terhadap Ketersediaan dan Keterjangkauan Perumahan di Kota Besar”. Jurnal Multidisiplin Indonesia. Vol. 04. No. 01. Hal 190-197.

Wally, D. A. S., Balo, A. H., Amri, S. B., dan Halim. (2024). “Perencanaan Apartemen Pekerja Industri Dengan Pendekatan Arsitektur Modern Di Kota Kendari”. GARIS-Jurnal mahasiswa Jurusan Arsitektur. Vol. 09. No. 03. Hal 107-117.

Handayani, L., Fitriani, P. Y., dan Novianti, T. N. (2025). ”Stres Kerja Lebih Dominan Dari Kebisingan: Analisis Korelasional Terhadap Kelelahan Pekerja Di Industri Penggergajian Kayu”. Indonesian Journal Of Health Community. Vol. 06. No. 02. Hal 13-22.

Muzakkiy, N. A. (2023). Analisis Kebisingan Menggunakan K-Nearest Neighbor (KNN) Dan Alat Berbasis Internet Of Things (IoT) (Bachelor's thesis, Fakultas Ilmu Komputer Universitas Sriwijaya).

Azis, A., Amaliah, A., & Rasyid, K. H. (2023). “Sistem Monitoring Kebisingan Berbasis Internet Of Things (IoT)”. Jurnal Media Elektrik. Vol. 20. No. 03, Hal 12. https://doi.org/10.59562/metrik.v20i3.47945.

Fitriani, S. N. (2022). Rancang bangun sistem pemantauan kegaduhan pengunjung Perpustakaan dengan pemberi peringatan menggunakan LED dan Telegram (Bachelor's thesis, Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta).

Hazazi, M. M., Adlina, D., dan Nilawati, A. R. (2025). “Rancang Bangun Alat Pendeteksi Kebisingan Kendaraan Bermotor Berbasis IoT”. PRINSIP : Portal Riset dan Inovasi Sistem Perangkat Lunak. Vol. 03. No. 03. Hal 151-160.

A. M. Abid, A. A. Mohammed, R. J. Mohammed. (2020). “Smart Environmental Noise Monitoring System Based on IoT”. Indonesian Journal of Electrical Engineering and Computer Science. Vol. 18. No. 02, Hal 720–727.

X. Liu, Y. Zhang. (2011). “Noisy Data Elimination Using Mutual K-Nearest Neighbor For Classification”. Journal of Systems and Software. Vol. 84. No. 05. pp 758–765.

T. Cover, P. Hart. (1967). “Nearest Neighbor Pattern Classification”. IEEE Transactions on Information Theory. Vol. 13. No. 01. pp 21–27.

Dinas Lingkungan Hidup DKI Jakarta. (2023). “Pemantauan Kebisingan Lingkungan Provinsi DKI Jakarta”. https://lingkunganhidup.jakarta.go.id/publikasi/kebisingan.

DOI: https://doi.org/10.31284/j.jreec.2026.v6i1.8623