Claim Missing Document
Check
Articles

Deteksi Anomali Data Sensor Kelembaban Tanah Menggunakan Kalman Filter dan Aturan 3-Sigma Erniajan, Yunita; Nirmala, Irma; Hidayati, Rahmi
Journal of Renewable Energy and Smart Device Vol. 3 No. 2 April 2026
Publisher : PT. Global Research Collaboration

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.66314/joresd.v3i2.426

Abstract

Monitoring kelembaban tanah berbasis Internet of Things (IoT) merupakan komponen penting dalam sistem pertanian presisi. Namun, sensor kelembaban tanah resistif seperti YL-69 kerap menghasilkan pembacaan yang tidak stabil akibat gangguan noise dan fluktuasi lingkungan, sehingga berpotensi menyebabkan kesalahan pada sistem pengambilan keputusan otomatis. Penelitian ini mengusulkan sistem deteksi anomali data sensor kelembaban tanah dengan mengintegrasikan algoritma Kalman Filter adaptif dan metode statistik aturan 3-sigma. Kalman Filter dengan nilai kovariansi noise proses (Q) yang bersifat dinamis diterapkan untuk mereduksi noise dan meningkatkan stabilitas pembacaan sensor, sementara deteksi anomali dilakukan berdasarkan rentang normal yang dihitung menggunakan standar deviasi kumulatif. Implementasi sistem menggunakan mikrokontroler NodeMCU ESP32 yang terhubung ke basis data MySQL dengan antarmuka berbasis website sebagai media visualisasi dan notifikasi. Pengujian dilakukan pada tiga kondisi kelembaban tanah, yaitu kering, lembab, dan basah, menggunakan total 101 sampel data yang di antaranya mencakup 23 injeksi data spike sebagai simulasi kegagalan sensor. Hasil pengujian menunjukkan bahwa Kalman Filter berhasil menurunkan koefisien variasi secara signifikan: dari 26,01% menjadi 6,00% pada kondisi kering, dari 36,31% menjadi 2,37% pada kondisi lembab, dan dari 57,82% menjadi 4,00% pada kondisi basah. Sistem juga berhasil mendeteksi seluruh data anomali yang diinjeksikan dengan akurasi 100%, disertai notifikasi pop-up secara real-time pada antarmuka website.
Local Weather Monitoring using WSN and IoT as an Early Warning for Extreme Weather HIDAYATI, RAHMI; SARI, KARTIKA; NIRMALA, IRMA
ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Vol 14, No 2: Published April 2026
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/elkomika.v14i2.154

Abstract

This research develops a local weather-monitoring system based on the Internet of Things (IoT) and a Wireless Sensor Network (WSN), employing four nodes to collect real-time data on temperature, humidity, air pressure, wind speed, and rainfall. Each node transmits its data to Firebase, where it is displayed on a web dashboard and used to trigger early-warning notifications via Telegram. Testing results show that the anemometer recorded an average deviation of 0.33 km/h, while the BME280 demonstrated high accuracy across three parameters: a 0.21°C (0.74%) deviation for temperature, 0.83% (1.31%) for humidity, and 0.28 hPa (0.02%) for air pressure. The system also exhibited stable data synchronization and rapid alert response times. The testing results demonstrate the potential of a multi-node approach to capture local microclimate variability and indicate its suitability for further development in machine learning–based predictive models.