Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
A’syifa, Chantika Rahma Galih Abu
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perancangan Sistem Pemantauan Cuaca dan EWS Banjir Berbasis Wireless Sensor Network Kautsar, Faris; Maulana, Diki Rizki; Sinulingga, Rischa Zefaniya Br; A’syifa, Chantika Rahma Galih Abu; Pramudita, Brahmantya Aji; Setiawan , Dhoni Putra
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cuaca ekstrem yang sulit diprediksi menjadi tantangan serius dalam upaya mitigasi bencana, khususnya di wilayah rawan banjir seperti Dayeuhkolot, Kabupaten Bandung. Ketergantungan pada sistem peringatan dini manual dari BBWS terbukti belum mampu memberikan respons yang cepat dan terintegrasi. Untuk menjawab kebutuhan tersebut, dikembangkan sistem monitoring berbasis Wireless Sensor Network (WSN) dan Internet of Things (IoT) yang mampu mengumpulkan data cuaca secara real-time melalui sensor lingkungan. Data yang diperoleh dikalibrasi menggunaka regresi linear untuk meningkatkan akurasi pembacaan, dan selanjutnya digunakan dalam pelatihan model Machine Learning XGBoost untuk menghasilkan prakiraan cuaca lokal yang lebih akurat. Sistem ini juga dilengkapi dengan fitur Early Warning System (EWS) banjir yang bekerja berdasarkan tinggi muka air sungai secara real-time, tanpa bergantung pada prediksi. Implementasi dilakukan di dua lokasi, yaitu Teras Cikapundung dan Polder Cipalasari, serta terintegrasi dengan aplikasi seluler dan website We-Weather sebagai media pemantauan. Hasil pengujian menunjukkan bahwa sistem memiliki performa tinggi dalam prediksi cuaca dan kemudahan penggunaan, sehingga diharapkan dapat memperkuat sistem mitigasi bencana hidrometeorologi dan mendukung pengambilan keputusan oleh masyarakat serta pemangku kepentingan.Kata kunci— Cuaca ekstrem, Early Warning System, banjir, Machine Learning, Wireless Sensor Network, XGBoost, Monitoring.
Implementasi Early Warning System (EWS) Banjir Berbasis IoT Menggunakan Machine Learning dan Wireless Sensor Network Maulana, Diki Rizki; Kautsar, Faris; Sinulingga, Rischa Zefaniya Br; A’syifa, Chantika Rahma Galih Abu; Pramudita, Brahmantya Aji; Setiawan, Dhoni Putra
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Cuaca ekstrem yang sulit diprediksi menjadi ancaman serius, terutama banjir di wilayah rawan seperti Dayeuhkolot, Kabupaten Bandung, yang berada di pertemuan Sungai Citarum dan Cikapundung. Sistem peringatan dini yang masih manual dari BBWS menghadapi kendala dalam kecepatan dan integrasi data. Untuk mengatasi hal ini, dirancang sistem prediksi cuaca dan peringatan banjir berbasis Wireless Sensor Network (WSN) dan Internet of Things (IoT), yang dilengkapi algoritma pembelajaran mesin untuk meningkatkan akurasi prediksi lokal. Sistem ini menggunakan sensor cuaca yang terhubung melalui jaringan IoT untuk mengumpulkan data secara real-time, lalu dianalisis dengan model XGBoost. Dua lokasi penerapan adalah Teras Cikapundung dan Polder Cipalasari. Untuk meningkatkan akurasi pembacaan sensor, dilakukan kalibrasi menggunakan regresi linear. Sistem ini juga terintegrasi dengan aplikasi seluler dan website We-Weather sebagai media pemantauan. Hasil pengujian menunjukkan model memiliki akurasi 96,37%, presisi 97,74%, recall 96,37%, dan F1-score 96,79%, menandakan performa klasifikasi yang tinggi. Pengujian usability melalui System Usability Scale (SUS) juga menunjukkan skor sangat baik, membuktikan kemudahan penggunaan aplikasi dan website. Sistem ini diharapkan mampu memperkuat mitigasi bencana hidrometeorologi dan mendukung pengambilan keputusan oleh masyarakat dan pemangku kepentingan seperti petugas BBWS.Kata kunci— Cuaca ekstrem, Early Warning System, banjir, Machine Learning, Wireless Sensor Network, XGBoost.
Co-Authors Brahmantya Aji Pramudita DHONI PUTRA SETIAWAN Kautsar, Faris Maulana, Diki Rizki Setiawan , Dhoni Putra Sinulingga, Rischa Zefaniya Br