From 74fdcf2c66d6bf5f921a0925d3f82eb6e2a77e4a Mon Sep 17 00:00:00 2001
From: "Rifqi D. Panuluh" <69516665+nuluh@users.noreply.github.com>
Date: Wed, 15 Oct 2025 05:47:11 +0000
Subject: [PATCH] feat(latex): add conclusion and recommendations section with
 key findings and future research suggestions

---
 latex/chapters/id/05_conclusion.tex | 20 ++++++++++++++++++++
 1 file changed, 20 insertions(+)
 create mode 100644 latex/chapters/id/05_conclusion.tex

diff --git a/latex/chapters/id/05_conclusion.tex b/latex/chapters/id/05_conclusion.tex
new file mode 100644
index 0000000..5f17937
--- /dev/null
+++ b/latex/chapters/id/05_conclusion.tex
@@ -0,0 +1,20 @@
+\chapter{Kesimpulan dan Saran}
+
+\section{Kesimpulan}
+\begin{enumerate}
+    \item Sistem \gls{shm} berbasis sensor terbatas dengan ekstraksi fitur \gls{stft} dan algoritma \gls{svm} kernel \gls{rbf} mampu mendeteksi tujuh kondisi struktur dengan akurasi di atas 99\%.
+    
+    \item Strategi \textit{grid-search} untuk optimasi \textit{hyperparameter} model \gls{svm} hanya memberikan peningkatan paling besar sekitar 0,001\% pada model Sensor A.
+    
+    \item Reduksi dimensi \gls{pca} pada fitur-fitur \gls{stft} hingga 16 komponen utama mengurangi waktu pelatihan model secara signifikan hingga 75\% dan ukuran model hingga 99\% dengan pengurangan akurasi hanya 0,003\%.
+    
+    \item Model Sensor A dan Sensor B dengan reduksi dimensi hingga enam belas komponen utama \gls{pca} memiliki metrik efisiensi terbaik hingga 91\% dengan waktu latih hanya 10 detik dan pengurangan akurasi 0,003\% dibandingkan model dengan fitur penuh yang memerlukan waktu latih 40 detik.
+
+    \item Hasil visualisasi pada \textit{inference} menunjukkan bahwa pendekatan ini hampir sama efektifnya dengan penelitian sebelumnya yang dapat mengidentifikasi lokalisasi 30 kerusakan meskipun jumlah sensor terbatas.
+\end{enumerate}
+
+% \section{Keterbatasan Penelitian}
+% Penelitian ini dibatasi oleh ruang lingkup dataset QUGS yang hanya mencakup kerusakan tunggal, serta belum mencakup variasi kondisi lingkungan dan algoritma pembanding lainnya.
+
+\section{Saran}
+Penelitian lanjutan disarankan untuk memperluas variasi kondisi kerusakan, menguji performa model di lapangan, serta mengembangkan versi \textit{real-time} berbasis perangkat tepi.