Rancang Bangun Early-Warning System untuk Daerah Rawan Bencana Gerakan Tanah

dc.contributor.advisorYudi Rosandi
dc.contributor.advisorTidak ada Data Dosen
dc.contributor.authorAVIF MAULANA AZIS
dc.date.accessioned2024-05-22T08:48:29Z
dc.date.available2024-05-22T08:48:29Z
dc.date.issued2022-07-11
dc.description.abstractNegara Indonesia tergolong daerah rawan bencana gerakan tanah berdasarkan data bencana Badan Nasional Penanggulangan Bencana (BNPB) tahun 2020 sampai dengan 2021. Peningkatan upaya mitigasi bencana gerakan tanah yang lebih aktual dan akurat perlu dilakukan untuk mengurangi resiko bencana. Upaya mitigasi tersebut dapat dilakukan dengan pembuatan sistem peringatan dini yang berbasis internet of things (IoT). Pembuatan sistem ini meliputi perangkaian node sensor, pemrograman unit mikrokontroler (MCU) TTGO LoRa32, pengaturan gateway, serta pemrograman infrastruktur peringatan dini pada server The Things Network (TTN) dan webhook Ubidots. Pemrograman menggunakan bahasa pemrograman C++ dan javascript. Algoritma yang digunakan dalam pengolahan sinyal adalah Fast Fourier Transform (FFT) untuk mendapatkan nilai magnitudo beserta frekuensinya. Tiga data magnitudo maksimum beserta frekuensinya dikirimkan ke gateway melalui Long-Range Radio Wide Area Nerwork (LoRaWAN) kemudian dilanjutkan ke server dan webhook via internet. Saat nilai magnitudo melebihi ambang batas yaitu 200 (arb.), maka peringatan akan dikirim ke email.
dc.identifier.urihttps://repository.unpad.ac.id/handle/kandaga/140710180048
dc.subjectSistem peringatan dini
dc.subjectThe Things Network
dc.subjectMikrokontroler LoRa
dc.titleRancang Bangun Early-Warning System untuk Daerah Rawan Bencana Gerakan Tanah

Files

Original bundle
Now showing 1 - 5 of 11
No Thumbnail Available
Name:
S1-2022-140710180048-Cover.pdf
Size:
45.41 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
S1-2022-140710180048-Abstrak.pdf
Size:
31.65 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
S1-2022-140710180048-DaftarIsi.pdf
Size:
59.23 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
S1-2022-140710180048-Bab1.pdf
Size:
231.6 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
S1-2022-140710180048-Bab2.pdf
Size:
714.81 KB
Format:
Adobe Portable Document Format

Collections