Sistem Pemantauan dan Prediksi Hujan Lokal di Kampus Limau Manis Universitas Andalas dengan Arsitektur Multi-Node dan Algoritma XGBoost

Rasyid, Syahrial (2026) Sistem Pemantauan dan Prediksi Hujan Lokal di Kampus Limau Manis Universitas Andalas dengan Arsitektur Multi-Node dan Algoritma XGBoost. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 01. Cover dan Abstrak.pdf - Published Version Download (455kB)
	Text (Bab I) 02. Bab I.pdf - Published Version Download (270kB)
	Text (Bab IV) 03. Bab IV.pdf - Published Version Download (2MB)
	Text (Daftar Pustaka) 04. Daftar Pustaka.pdf - Published Version Download (248kB)
	Text (Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Kampus Limau Manis Universitas Andalas memiliki kondisi geografis berupa wilayah perbukitan dengan perbedaan elevasi dan area yang luas, sehingga kondisi hujan dapat berbeda antara satu lokasi dengan lokasi lainnya. Kondisi tersebut dapat memengaruhi aktivitas luar ruangan dan mobilitas di lingkungan kampus, sementara informasi mengenai kondisi hujan lokal yang dapat diakses secara terbuka masih terbatas. Penelitian ini bertujuan merancang dan menerapkan sistem pemantauan dan prediksi hujan lokal di Kampus Limau Manis Universitas Andalas dengan arsitektur multi-node dan algoritma XGBoost. Sistem terdiri atas beberapa node akuisisi data yang melakukan pengukuran temperatur, kelembapan, tekanan udara, serta kondisi dan intensitas hujan. Data dikirimkan melalui protokol MQTT menuju Raspberry Pi 4 Model B sebagai pusat pemrosesan, kemudian dikelola menggunakan Node-RED dan ditampilkan melalui website yang dapat diakses secara terbuka dengan Firebase. Pengujian dilakukan terhadap sensor, kinerja komunikasi sistem menggunakan parameter Quality of Service (QoS), dan performa model XGBoost yang dihasilkan. Hasil pengujian menunjukkan bahwa sensor hujan berhasil mendeteksi turunnya hujan dengan threshold ADC 500 dan bantuan algoritma MAD, sedangkan alat ukur intensitas hujan (tipping bucket) berhasil mengukur intensitas hujan dengan nilai 0,453 mm dan 0,618 mm per-tip untuk Node 1 dan Node 2. Pembacaan sensor temperatur dan tekanan udara mempunyai hubungan yang linear dengan sensor referensi, dengan nilai slope 0,466825 dan intercept 14,952559 untuk pembacaan temperatur udara, dan slope 0,981683 serta intercept 21,675844 untuk pembacaan tekanan udara, sedangkan pembacaan kelembapan udara tidak menunjukkan hubungan yang serupa. Untuk pengujian parameter QoS, komunikasi antara node, pusat pemrosesan, dan server Firebase menghasilkan nilai yang berada dalam standar ITU-T Y.1451 (class 4), kecuali packet loss pada komunikasi antara Node 1 dan pusat pemrosesan yang melebihi 0,1% (yaitu 2%). Adapun model XGBoost yang memprediksi kondisi hujan pada 6 jam ke depan berhasil menghasilkan akurasi terbaik sebesar 80,72% dengan F1-score kelas hujan sebesar 79,43% pada data test, setelah dilatih dengan berbagai konfigurasi parameter sebanyak 200 kali.

Actions (login required)

View Item