APLIKASI PENDETEKSI GEMPA BUMI BERBASIS IoT DENGAN SISTEM PERINGATAN DINI

  • DECKY ROBERT WILSON
  • ARIEF TIRTANA
  • AGUS PERJUANGAN HULU
  • ARDITA ILHAM KHAIRUDIN
  • 2025

Abstrak

Indonesia berada di daerah zona Cincin Api Pasifik sehingga sangat rawan terhadap bencana gempa bumi. Sistem peringatan dini yang ada sering kali tidak akurat dan terlambat dalam menyampaikan informasi kepada masyarakat. Oleh karena itu, penelitian ini bertujuan membangun sistem pendeteksi gempa berbasis Internet of Things (IoT) yang mampu memberikan peringatan dini secara cepat dan tepat. Sistem ini menggunakan mikrokontroler ESP32, sensor akselerometer ADXL345 untuk mendeteksi getaran, serta modul GPS Neo-6M untuk mengetahui lokasi. Data yang didapat dikirim ke Firebase Realtime Database dan ditampilkan melalui aplikasi Android yang dikembangkan dengan Kodular. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model ADDIE, yaitu Analisis, Desain, Pengembangan, Implementasi, dan Evaluasi. Sistem ini mampu mengklasifikasikan getaran menjadi tiga tingkat, yaitu siaga, waspada, dan darurat. Waktu respons rata-rata yang dicapai sebesar 2 detik dengan tingkat keberhasilan pengiriman data mencapai 100%. Hasil pengujian menunjukkan akurasi koordinat GPS dalam jarak ±5 meter. Sistem ini diharapkan menjadi solusi teknologi yang efektif dalam meningkatkan kesadaran dan kesiapsiagaan masyarakat terhadap ancaman gempa bumi.

Kata Kunci
Akses Repositori Private

https://repository.bsi.ac.id/repo/69599/APLIKASI-PENDETEKSI-GEMPA-BUMI-BERBASIS-IoT-DENGAN-SISTEM-PERINGATAN-DINI
File full-text dikunci.

Detail Informasi

Tugas Akhir ini ditulis oleh :

  • 72210002 - DECKY ROBERT WILSON
  • 72210026 - ARIEF TIRTANA
  • 72210028 - AGUS PERJUANGAN HULU
  • 72210035 - ARDITA ILHAM KHAIRUDIN
  • Prodi : Teknik Elektro
  • Kampus : Margonda
  • Tahun : 2025
  • Pembimbing : Martias, S.Pd, MT
  • Kode : 0004.S1.72.SKRIPSI.I.2025
  • Status Akses : Private
  • Diinput oleh : AXD
  • Terakhir update : 23 Oktober 2025
  • Dilihat : 57 kali