VITANOVA, YOVANI and Pramana, Rozeff and Nugraha, Sapta (2025) PEMANTAUAN KECEPATAN DAN ARAH ANGIN BERBASIS IOT BERDASARKAN SKALA BEAUFORT MENGGUNAKAN ALGORITMA RANDOM FOREST. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) YOVANI_VITANOVA_2101010067_Teknik Elektro - Cover.pdf - Published Version Download (953kB)
	Text (Abstrak) YOVANI_VITANOVA_2101010067_Teknik Elektro - Abstrak.pdf - Published Version Download (368kB)
	Text (BAB I) YOVANI_VITANOVA_2101010067_Teknik Elektro - BAB I.pdf - Published Version Download (343kB)
	Text (Daftar Pustaka) YOVANI_VITANOVA_2101010067_Teknik Elektro - Daftar Pustaka.pdf - Published Version Download (335kB)
	Text (Full Text) YOVANI_VITANOVA_2101010067_Teknik Elektro - Full Teks.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Penelitian ini mengembangkan perangkat pemantauan kecepatan dan arah angin berbasis Internet of Things (IoT) untuk memantau kondisi angin secara real-time dan berkelanjutan. Perangkat terdiri atas sensor kecepatan dan arah angin yang terintegrasi dengan mikrokontroler serta modul komunikasi nirkabel yang mengirimkan data otomatis ke platform Thingspeak. Sistem menyediakan informasi langsung melalui indikator LED dan buzzer sebagai peringatan visual dan audio. Panel surya digunakan sebagai sumber daya utama agar perangkat dapat beroperasi mandiri di berbagai kondisi lingkungan. Pengujian dilakukan selama sepuluh hari dan menghasilkan data kecepatan angin yang diklasifikasikan ke dalam enam kategori berdasarkan skala Beaufort. Proses prapemrosesan meliputi normalisasi dan pelabelan data untuk memastikan kualitas serta kesiapan dalam pelatihan model machine learning. Algoritma Random Forest digunakan sebagai model klasifikasi karena kemampuannya dalam mengolah data kompleks dan memberikan hasil yang stabil. Evaluasi model menunjukkan akurasi tertinggi sebesar 96,98% pada proporsi data training dan testing 70:30. Hasil cross validation sebesar 97,05% menunjukkan kestabilan model terhadap variasi data. Rata-rata nilai precision sebesar 97,54%, recall sebesar 96,98%, dan F1-score sebesar 97,16% mencerminkan kemampuan model dalam mengklasifikasikan data secara seimbang dan akurat. Sistem pemantauan yang dikembangkan mampu memberikan informasi angin secara real-time sekaligus mendukung klasifikasi berbasis machine learning. Penerapan sistem ini dapat digunakan dalam pemantauan lingkungan, mitigasi cuaca ekstrem, sektor pertanian, maritim, serta energi terbarukan. Perpaduan antara efisiensi energi, akurasi klasifikasi, dan kemudahan akses data menjadikan perangkat ini sebagai solusi pemantauan angin yang presisi, efektif, dan berkelanjutan.

Actions (login required)

View Item