DIGITAL LIBRARY



JUDUL:SISTEM MONITORING PENDETEKSI DINI KEBAKARAN PADA LAHAN GAMBUT BERBASIS MIKROKONTROLER ARDUINO UNO DAN INTERNET OF THINGS (IOT) MENGGUNAKAN METODE FUZZY
PENGARANG:RIZKY RAKHMADANI
PENERBIT:UNIVERSITAS LAMBUNG MANGKURAT
TANGGAL:2020-07-09


Di Indonesia, khususnya provinsi Kalimantan Tengah merupakan provinsi dengan
tingkat frekuensi kejadian kebakaran hutan dan lahan gambut yang tinggi. Bahkan
kebakaran tersebut seperti menjadi bencana alam tahunan yang rutin terjadi.
BNPB (Badan Nasional Penanggulangan Bencana) dan BPBD (Badan
Penanggulangan Bencana Daerah) Kalimantan Tengah mencatat sepanjang tahun
2014 hingga awal tahun 2019 luas kebakaran hutan dan lahan gambut terbesar di
Kalimantan Tengah terjadi pada tahun 2015 dengan total luas yang terbakar
mencapai 583.833,44 ha. Dampak yang ditimbulkan oleh kebakaran hutan dan
lahan gambut ini beragam mulai dari menurunnya kondisi lingkungan, kerugian
materi, hingga gangguan pada kesehatan manusia seperti infeksi saluran
pernapasan, sakit mata dan batuk akibat dari asap kebakaran. Karena itu, harus ada
penanganan serius untuk bencana kebarakan hutan dan lahan gambut ini. Solusi
yang akan dibuat adalah menerapkan sistem monitoring pendeteksi dini kebakaran
hutan dan lahan gambut sehingga potensi kebakaran yang ada dapat dengan cepat
diketahui baik sebelum ataupun saat kebakaran itu mulai terjadi sehingga dapat
meminimalisir dampak kerugian yang diakibatkan dari kebakaran. Sistem
monitoring pendeteksi dini kebakaran yang akan dibuat berbasis Arduino Uno
menggunakan sensor MQ-2, DHT-22 dan flame detector sensor dan terintegrasi
dengan IoT Thingspeak yang berfungsi untuk menerima data yang dikirim dari
mikrokontroler Arduino Uno menggunakan modul ESP8266, kemudian
Thingspeak akan mengirimkan data tersebut ke smartphone Android berupa
tampilan real-time dan juga notifikasi pop-up saat potensi kebakaran terdeteksi.
Terakhir, metode fuzzy juga ditambahkan agar nantinya data hasil pembacaan
sensor MQ-2, DHT-22 dan flame detector sensor menjadi lebih akurat sebelum
dikirim ke Thingspeak. Tingkat akurasi yang didapat dari pembacaan ketiga
sensor terhadap pengujian yang telah dilakukan adalah 90%.

Berkas PDF
NODOWNLOAD LINK
1FILE 1



File secara keseluruhan dapat di unduh DISINI