ABSTRAK Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Pada tahun 2019, menurut Pantau Gambut Indonesia, 465.961 hektare lahan gambut
terbakar dari total 13,43 juta hektare lahan gambut di Indonesia. Penanganan
kebakaran lahan gambut menjadi salah satu program prioritas pemerintah Republik
Indonesia. Peran sains dan teknologi sangat diperlukan, salah satunya dengan
pembuatan alat pendeteksi kebakaran. Sulitnya akses sumber internet dan sumber
energi listrik PLN menjadi beberapa tantangan dalam merancang alat pendeteksi
kebakaran. Oleh karena itu, penelitian ini bertujuan untuk merancang sensor node
pendeteksi kebakaran bertenaga surya, merancang sistem komunikasi antar sensor
node dan antara sensor node dengan gateway, merancang sistem monitoring sensor
node berbasis IoT, dan merancang model machine learning untuk prediksi
kebakaran. Dari eksperimen yang dilakukan, rangkaian yang terdiri dari
mikrokontroler STM32 - L052C8T6, LoRA SX1276, sensor suhu dan kelembapan
DHT11, sensor kelembapan tanah FC-28, sensor ketinggian air, sensor arah angin,
dan sensor kecepatan angin dapat beroperasi dengan jangkauan komunikasi
maksimum hingga 764,55m dengan nilai RSSI -134,25dBm dan nilai SNR -
17,25dB. Nilai jangkauan dengan sinyal yang baik dan stabil adalah 712,55m
dengan nilai RSSI -123,25dBm dan nilai SNR -9,35dB. Data pada sensor node
dapat ditampilkan secara realtime pada dashboard Grafana di Raspberry Pi. Model
artificial neural network (ANN) dengan nilai sensitivitas sebesar 0,8974 dan nilai
skor ????2 sebesar 0,8750 dapat memprediksi 6679 data dari 6734 data pengamatan
dengan benar.