SISTEM PEMANTAUAN KONDISI SEDIMENTASI BERBASIS INTERNET OF THINGS MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

Umarrela, Diego Pratama (2025) SISTEM PEMANTAUAN KONDISI SEDIMENTASI BERBASIS INTERNET OF THINGS MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA). Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0921040038 - Diego Pratama Umarrela - Sistem Pemantauan Kondisi Sedimentasi Berbasis _i_Internet of Things__i_ Menggunakan Metode _i_Autoregressive Integrated Moving Average__i_ (_i_ARIMA__i_).pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Indonesia merupakan negara maritim dengan 2/3 wilayahnya terdiri atas perairan, termasuk sungai yang berperan penting dalam transportasi, irigasi, dan aktivitas ekonomi masyarakat. Namun, perairan sungai menghadapi permasalahan sedimentasi yang serius, yang dapat menyebabkan pendangkalan, menghambat aliran air, meningkatkan risiko banjir, serta menambah biaya pengerukan. Proses sedimentasi yang dipengaruhi oleh arus sungai, curah hujan, dan pasang surut memerlukan pemantauan yang efektif untuk menentukan kebutuhan pengerukan secara tepat. Metode manual yang umum digunakan saat ini dinilai kurang efisien dan memakan waktu. Penelitian ini bertujuan merancang sistem berbasis Internet of Things (IoT) untuk pemantauan sedimentasi sungai secara otomatis dan berkelanjutan. Sistem menggunakan sensor echosounder untuk mengukur kedalaman air, sensor arus untuk mengukur kecepatan aliran, dan sensor water level untuk memantau tinggi muka air. Data dari sensor diproses secara lokal, dikirim ke database melalui jaringan, dan dianalisis menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Hasil analisis ditampilkan dalam dashboard web yang menyajikan grafik interaktif dan sistem peringatan dini jika sedimentasi melebihi ambang batas. Pengujian model ARIMA menghasilkan MSE sebesar 0,0427, RMSE 0,2066, dan MAE 0,1913. Nilai-nilai tersebut menunjukkan akurasi prediksi yang sangat baik. Sistem ini terbukti efektif dan efisien dalam mendukung pengambilan keputusan berbasis data untuk pengerukan sedimen di perairan sungai secara tepat waktu.

Actions (login required)

View Item