<![CDATA[Indonesia berada di jalur cincin api pasifik sehingga memiliki risiko gempa bumi yang tinggi,terutama di wilayah rawan gempa, sehingga diperlukan sistem peringatan dini yang cepat,akurat, dan mudah diakses. Penelitian ini merancang sistem deteksi dini getaran gempaberbasis Tiny Machine Learning (TinyML) untuk skala rumah tangga yang portabel, berbiayarendah, dan mampu bekerja secara real time tanpa ketergantungan pada server eksternal.Sistem menggunakan sensor akselerometer ADXL345 untuk merekam percepatan getarantiga sumbu (X, Y, Z) dan mikrokontroler ESP32 sebagai unit pemrosesan dan komunikasinirkabel. Data diproses secara on-device melalui normalisasi dan segmentasi sinyal denganwindowing 50 sampel, serta ekstraksi fitur amplitudo sebagai penguat karakteristik sinyal.Klasifikasi getaran seismik dan non-seismik dilakukan menggunakan model Tiny 1D-CNNberbasis TensorFlow Lite for Microcontrollers yang dilatih menggunakan MEMSAccelerometer Earthquake Dataset. Hasil pengujian menunjukkan akurasi tinggi, responscepat, serta tingkat kesalahan yang rendah, dengan peringatan aktif melalui buzzer dannotifikasi Blynk saat amplitudo ≥ 2,5 gal sesuai kriteria SIG-BMKG.Kata kunci: deteksi gempa bumi; Tiny 1D-CNN; ADXL345; ESP32; sistem peringatan dini.]]>
Copyrights © 2026
