Perancangan Sistem Monitoring Prediksi Dini Banjir Berbasis IoT di Sungai Cibungur Buniwangi
Main Article Content
Abstract
Banjir merupakan bencana alam yang seringkali melanda sejumlah wilayah di Indonesia, memiliki dampak serius terhadap kerusakan fisik dan menghambat kegiatan ekonomi serta aktivitas masyarakat. Oleh karena itu, deteksi dini bencana banjir menjadi suatu kebutuhan penting untuk meminimalisir potensi kerugian. Penelitian ini bertujuan mengembangkan dan mengevaluasi efektivitas sistem prediksi dini banjir berbasis Internet of Things (IoT) dengan menggunakan NodeMCU ESP8266 dan aplikasi Blynk. Fokus penelitian adalah peningkatan pemantauan banjir melalui integrasi teknologi sensor ultrasonik yang mendeteksi tinggi permukaan air sungai. Sistem ini dilengkapi dengan indikator warna (hijau, biru, dan merah) untuk memberikan informasi visual tentang tingkat bahaya banjir. Metodologi penelitian mengadopsi model ADDIE, melibatkan analisis kebutuhan pengguna, perancangan sistem, pengembangan prototipe, implementasi, dan evaluasi kinerja. Hasil penelitian menunjukkan keberhasilan indikator warna dalam memberikan respons visual yang jelas, dan pengujian sistem dengan sensor ultrasonik berhasil memberikan peringatan dini sesuai tinggi air yang terdeteksi. Penelitian ini memberikan kontribusi pada pengembangan sistem prediksi dini banjir yang adaptif dan efisien untuk meningkatkan respons terhadap risiko bencana banjir.
Article Details
References
A. S. Putri, “Apa Itu Banjir? Definisi, Penyebab dan Dampak,” 2020, [Online]. Available: https://www.kompas.com/skola/read/2020/01/03/060000269/apa-itu-banjir-definisi-penyebab-dan-dampak
BNPB, “Rangkuman Bencana tahun 2023,” 2023, [Online]. Available: https://gis.bnpb.go.id/arcgis/apps/sites/#/public/pages/bencana-besar-tahun-2023
R. Nurpambudi and R. A. Aziz, “Prediksi Kejadian Banjir Di Wilayah Kota Bandar Lampung Dengan Metode Artificial Neural Network,” Pros. Semin. Nas. …, pp. 93–104, 2022, [Online]. Available: https://jurnal.darmajaya.ac.id/index.php/PSND/article/view/3253
R. A. Priatim, M. Asri, and S. Abdussamad, “Rancang Bangun Prototipe Peringatan Dini Banjir Menggunakan Raspberry Pi Berbasis IoT,” Jambura J. Electr. Electron. Eng., vol. 5, no. 2, pp. 216–221, 2023, doi: 10.37905/jjeee.v5i2.19696.
R. Alamsyah and F. Yanti, “Prototype Sistem Monitoring Level Air Sebagai Upaya Deteksi Banjir Secara Real Time Dengan Menggunakan Node Mcu Dan Website,” JORAPI J. Res. Publ. Innov., vol. 1, no. 2, pp. 138–142, 2023.
F. Alasali, R. Tawalbeh, Z. Ghanem, F. Mohammad, and M. Alghazzawi, “A sustainable early warning system using rolling forecasts based on ANN and golden ratio optimization methods to accurately predict real-time water levels and flash flood,” Sensors, vol. 21, no. 13, 2021, doi: 10.3390/s21134598.
F. Ariani, A. Y. Vandika, and H. Widjaya, “Implementasi Alat Pemberi Pakan Ternak Menggunakan IoT Untuk Otomatisasi Pemberian Pakan Ternak,” Explor. J. Sist. Inf. dan Telemat. (Telekomunikasi, Multimed. dan Inform., vol. 10, no. 2, 2019.
A. Taryana, M. R. El Mahmudi, and H. Bekti, “Analisis Kesiapsiagaan Bencana Banjir Di Jakarta,” JANE - J. Adm. Negara, vol. 13, no. 2, p. 302, 2022, doi: 10.24198/jane.v13i2.37997.
N Priyono, “Laporan Proyek Akhir System Peringatan Dini Banjir Berbasis Protocol MQTT Menggunakan NODEMCU ESP8266,” Elektronika, p. 3, 2017, [Online]. Available: https://eprints.utdi.ac.id/4913/3/3_143310004_BAB_II.pdf
M. Natsir, D. B. Rendra, and A. D. Y. Anggara, “Implementasi IOT Untuk Sistem Kendali AC Otomatis Pada Ruang Kelas di Universitas Serang Raya,” J. PROSISKO (Pengembangan Ris. dan Obs. Rekayasa Sist. Komputer), vol. 6, no. 1, pp. 69–72, 2019.
M. Yusup, P. A. Sunarya, and K. Aprilyanto, “Rancang Bangun Sistem Monitoring Pengukuran Volume Air Berbasis IoT Menggunakan Arduino Wemos,” J. CERITA, vol. 6, no. 2, pp. 147–153, 2020, doi: 10.33050/cerita.v6i2.1136.
M. Artiyasa, A. Nita Rostini, Edwinanto, and Anggy Pradifta Junfithrana, “Aplikasi Smart Home Node Mcu Iot Untuk Blynk,” J. Rekayasa Teknol. Nusa Putra, vol. 7, no. 1, pp. 1–7, 2021, doi: 10.52005/rekayasa.v7i1.59.