RANCANG BANGUN SISTEM PERINGATAN DAN MONITORING KEBOCORAN PADA INSTALASI PIPA DISTRIBUSI AIR BERSIH MENGGUNAKAN SENSOR NODE WSN

Rista, Ryan Angga (2021) RANCANG BANGUN SISTEM PERINGATAN DAN MONITORING KEBOCORAN PADA INSTALASI PIPA DISTRIBUSI AIR BERSIH MENGGUNAKAN SENSOR NODE WSN. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

[img] Text
0917040025 - Ryan Angga Rista - Rancang Bangun Sistem Peringatan dan Monitoring Kebocoran pada Pipa Distribusi Air Bersih menggunakan Sensor Node WSN.pdf
Restricted to Repository staff only

Download (4MB)

Abstract

Kebocoran pada instalasi pipa air di bawah tanah dapat terjadi kapan saja, air yang seharusnya terdistribusi ke pelanggan akan terkendala, sehingga menyebabkan kerugian finansial yang besar. Maka dari itu, penulis memiliki sebuah inovasi untuk merancang sebuah sistem peringatan pendeteksi kebocoran pada jaringan pipa distribusi air bersih untuk pelanggan PDAM yang dapat di monitor melalui website. Sistem deteksi kebocoran air dikombinasikan dengan Wireless Sensor Network (WSN) sehingga dapat menghasilkan sistem monitoring secara terpusat. Flow liquid meter digunakan untuk mengetahui nilai debit air yang mengalir pada pipa yang berada diantara 2 buah sensor. Aliran air yang telah terbaca tersebut akan dikirim ke database server oleh mikrokontroler wemos d1 mini yang memiliki tingkat konektivitas yang cukup stabil pada range 1 hingga 10meter antara node sensor dengan router. Metode Backpropagation Neural Network (BPNN) dan Gaussian Naïve Bayes (G-NB) diimplememtasikan untuk klasifikasi jenis kebocoran pada cabang instalasi pipa distribusi. Tingkat akurasi pembacaan sensor yang didapatkan dari 14 buah flow liquid meter setelah dilakukan kalibrasi, memiliki persentase error sebesar 2,45%, sehingga tingkat keberhasilan deteksi kebocoran mendapatkan persentase sebesar 89,79%. Tingkat keberhasilan klasifikasi jenis kebocoran mendapatkan persentase keberhasilan sebesar 90,1% pada klasifikasi dengan menggunakan metode BPNN sedangkan metode G-NB mendapatkan persentase keberhasilan sebesar 93,05%.

Item Type: Thesis (Diploma)
Additional Information: No. Inventaris : 6066/TO-17/2021 Lokasi TA : 420
Uncontrolled Keywords: Backpropagation Neural Network, Gaussian Naïve Bayes, Kebocoran, Monitoring, Wireless Sensor Network
Subjects: TO - Teknik Otomasi > Rancang Bangun Sistem Otomasi
Divisions: Jurusan Teknik Kelistrikan Kapal > D4 Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 15 Jun 2022 07:49
Last Modified: 15 Jun 2022 07:49
URI: http://repository.ppns.ac.id/id/eprint/4224

Actions (login required)

View Item View Item