Implementasi Decision Tree Sistem Monitoring Medan Listrik Atmosfer Berbasis IoT Menggunakan Sensor EFM (Electric Field Mill)

Erlangga Keta Pratama (Politeknik Negeri Sriwijaya)
Masayu Anisah (Politeknik Negeri Sriwijaya)
Johansyah Al Rasyid (Politeknik Negeri Sriwijaya,)

KOLONI
Vol. 5 No. 2 (2026): JUNI 2026

Tujuan dari penelitian ini adalah untuk menerapkan algoritma decision tree pada sistem monitoring medan listrik atmosfer yang berbasis Internet of Things (IoT) yang menggunakan sensor Electric Field Mill (EFM). Sistem ini terdiri dari sensor EFM, mikrokontroler ESP32, database cloud Supabase, dan dashboard monitoring web yang memungkinkan pengumpulan, penyimpanan, dan visualisasi data secara real - time. Data hasil pengukuran medan listrik atmosfer diproses melalui tahapan preprocessing. Tahapan ini termasuk transformasi fitur, normalisasi menggunakan skala Min-Max, dan penyeimbangan data menggunakan metode Synthetic Minority Oversampling Technique (SMOTE). Setelah proses SMOTE, dataset awal dengan distribusi kelas yang tidak seimbang meningkat menjadi 828 data. Selanjutnya, kondisi atmosfer dimasukkan ke dalam kategori AMAN, WASPADA, dan BAHAYA menggunakan algoritma decision tree. Hasil uji 5-Fold stratified cross validation menunjukkan bahwa model menghasilkan nilai accuracy, precision, recall, dan skor F1 sebesar 100%. Selain itu, nilai rata-rata model sebesar 1,000 dengan standar deviasi 0,000, yang menunjukkan tingkat kestabilan model yang sangat baik. Menurut analisis nilai fitur, fitur Cuaca_PETIR dan kV_m_log adalah yang paling berpengaruh dalam proses klasifikasi. Hasil penelitian menunjukkan bahwa algoritma decision tree dapat diterapkan secara efektif pada sistem monitoring medan listrik atmosfer berbasis Internet of Things (IoT) untuk mendukung proses klasifikasi kondisi atmosfer secara otomatis dan real - time.