Perangkat Cerdas Deteksi Banjir Menggunakan Sensor Ultrasonik dan Sensor Curah Hujan dengan Metode Forecasting

Abstract

Flooding is a natural disaster that most often affects Indonesia. South Sumatra is one of the areas that experienced recurrent flooding from 2023 to 2024. Monitoring of water levels at a point is often lacking, so that during high rainfall, water often overflows and causes flooding. Uncontrolled water discharge due to heavy rainfall can cause flooding and impact the local community due to lack of information. To solve this problem, machine learning technology can be used as a flood detection and early warning tool. The SVR (Support Vector Regression) algorithm is one example. This research classifies flood status into three categories: "Safe, Alert, and Danger." The flood status prediction model is built using SVR (Support Vector Regression) integrated with a flood detection device consisting of Arduino Uno, NodeMCU, and two sensors, namely an ultrasonic sensor and a rainfall sensor, which are installed above 1 metre from the ground. The test results show that this device can detect flood status based on the water level. When the distance between the water surface and the sensor is 80-100 cm and the rainfall is 0-20 mm, the status is safe, if the water distance is 50-80 cm and the rainfall is 21-30 mm, the status is alert, while if the water distance is 0-50 cm and the rainfall is 31-100 mm, the status is dangerous. The flood status detected by this tool will then be sent via the Telegram application as a notification to facilitate effective flood monitoring.Banjir adalah bencana alam yang paling sering melanda Indonesia Sumatera Selatan adalah salah satu daerah yang mengalami banjir berulang dari tahun 2023 hingga 2024.Pengawasan terhadap ketinggian air di suatu titik sering kali kurang dilakukan, sehingga saat curah hujan tinggi, air sering meluap dan menyebabkan banjir. Debit air yang tidak terkontrol akibat curah hujan yang besar dapat menyebabkan banjir dan berdampak pada masyarakat setempat karena kurangnya informasi. Untuk mengatasi masalah ini, teknologi machine learning dapat digunakan sebagai alat pendeteksi dan peringatan dini banjir. Algoritma SVR (Support Vector Regression) adalah salah satu contohnya. Penelitian ini mengklasifikasikan status banjir menjadi tiga kategori: “Aman, Waspada, dan Bahaya.” Model prediksi status banjir dibangun menggunakan SVR (Support Vector Regression) yang terintegrasi dengan perangkat deteksi banjir yang terdiri dari Arduino Uno, NodeMCU, serta dua sensor, yaitu sensor ultrasonik dan sensor curah hujan. yang dipasang di atas 1 meter dari permukaan tanah. Hasil pengujian menunjukkan bahwa alat ini dapat mendeteksi status banjir berdasarkan ketinggian air. Saat jarak antara permukaan air dan sensor adalah 80-100 cm dan curah hujan 0-20 mm, statusnya adalah aman, jika jarak air 50-80 cm dan curah hujan 21-30 mm, statusnya waspada, sedangkan jika jarak air 0-50 cm dan curah hujan 31-100 mm, statusnya bahaya. Status banjir yang terdeteksi oleh alat ini kemudian akan dikirimkan melalui aplikasi Telegram sebagai notifikasi untuk memudahkan pemantauan banjir secara efektif.