digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

COVER Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 1 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 2 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 3 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 4 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

BAB 5 Aria Wahyu Wicaksono
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan

PUSTAKA Aria Wahyu Wicaksono
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.