No abstract

No abstract

Suhu tanah dan kelembaban tanah merupakan salah satu parameter iklim yang sangat penting pengaruhnya terhadap tanaman. Suhu tanah merupakan salah satu unsur dalam pengamatan agroklimat. Badan Meteorologi Klimatologi dan Geofisika (BMKG) dalam salah satu tugas pokok dan fungsinya adalah melakukan pegamatan suhu tanah.Pengamatan suhu tanah umumnya masih menggunakan peralatan konvensional seperti termometer tanah yang bersifat analog. Sistem pengukur suhu dan kelembaban tanah bertujuan untuk mempermudah pengamatan dan mendukung otomatisasi peralatan. Perancangan sistem menggunakan sensor SHT11, mikrokontroler ATMega 2560 sebagai pengolahan data, modul radio telemetri sebagai sistem komunikasi. Data tersimpan di SD Card dan ditampilkan di komputer. Hasil pengujian menunjukan pengukur suhu dan kelembaban tanah mampu bekerja dan menyimpan data secara otomatis serta dapat berkomunikasi sejauh 120 meter.

An accelerometer is used in applications that require measurements of absolute or relative acceleration. Tilt table (roll table) is a flat plane whose tilt can be changed. In BMKG (Climatology and Geophysics Meteorological Agency) there are two methods to calibrate accelerometer, namely calibration using relative sine waves and absolute calibration using the media acceleration due to gravity. The tilt table is used as an absolute accelerometer calibration aid. The tilt table uses a DC motor and gear ratio as the actuator to move so that the resolution of the angle changes on the axis of the tilt table will be smaller and smoother. The tilt table is able to assist the technician in calibrating the accelerometer with minimal angle movements so that the inclination settings at the time of calibration are more precise proved by the result of the comparison. The horizontal axis correction is 2,27o and the vertical is 2,31o.

<p>Sebagai negara tropis, Indonesia khususnya Jakarta sebagai ibukota negara mempunyai resiko terjadinya banjir yang cukup tinggi. Dampak banjir akan berpengaruh pada seluruh aspek kehidupan manusia. Selama kejadian banjir, laporan situasi yang tepatwaktu dan terperinci diperlukan oleh otoritas manajemen bencana untuk menemukan dan mengidentifikasi daerah yang terkena dampak  untuk menerapkan mitigasi kerusakan. Peringatan dini  banjir konvensional memanfaatkan data-data pengamatan ground station seperti data curah hujan, ketinggian aliran sungai maupun data debit sungai. Tidak semua wilayah yang terdampak banjir dicover oleh jaringan sensor ground station. Penginderaan jauh menyediakan data yang tepat dan berbiaya rendah dibanding dengan pengamatan lapangan, selain itu sistem penginderaan jauh juga dapat melakukan deteksi banjir lebih tepat dan mendekati real time. Sistem penginderaan jauh pada satelit dapat memberikan banyak informasi yang diperlukan untuk menggambarkan daerah yang terkena dampak banjir, menilai kerusakan, dan input yang tepat pada pemodelan banjir sehingga dapat memprediksi kerentanan banjir di daerah yang terkena dampak banjir.</p>

Akselerometer pada smartphone dapat merekam sinyal gempa bumi guna mendukung mitigasi kebencanaan di Indonesia. Aktivitas manusia menghasilkan noise yang cukup signifikan terhadap data akselerometer pada smartphone. Human Activity Recognizer (HAR) diimplementasikan memilah sinyal aktivitas manusia dari sinyal gempa bumi yang direkam akselerometer smartphone. Penelitian ini bertujuan untuk mengklasifikasikan sinyal percepatan linier aktivitas manusia dengan sinyal percepatan  gempa bumi pada akselerometer smartphone Android melalui Human Activity Recognizer (HAR) berbasis algoritma K-Nearest Neighbor (K-NN). Metode penelitian terdiri dari penghimpunan data, pra pengolahan data, segmentasi data, ekstraksi ciri, dan klasifikasi. Berdasarkan hasil pengujian HAR sebagai classifier sinyal gempa bumi dan sinyal aktivitas manusia menggunakan algoritma K-NN secara umum mampu memilah sinyal akselerometer smartphone akibat aktivitas manusia dan sinyal gempa bumi dengan rentang akurasi 66,9% hingga 100%. Algoritma tipe Fine K-NN memiliki akurasi tertinggi sebesar 100%.

Bali and its surrounding is earthquake hazardous as the geographical position is flanked by two major earthquake generators (subduction zone in the Southern and back arc thrust zone in the Northern) that have different tectonic structures. In this paper,

Micro-electro-mechanical-system accelerometer is able to detect acceleration signal caused by earthquake. Such type of accelerometer is also used by smartphones. There are few algorithms that can be used to recognize the type of acceleration signal from smartphone. This study aims to find signal recognition algorithm in order to consider the most proper algorithm for earthquake signal detection. The initial stage of designing the recognizer is data collection for each type of signal classification. The next step is to apply a highpass filter to separate the signals collected from the gravitational acceleration signal. The signal is divided into several segments. The system will extract features of each signal segment in the time and frequency domain. Each signal segment is then classified according to the type of signal using the classifier through a series of training data processes. The classifier which has the highest accuracy value is exported into the new input signal modeling. As the result, fine K-NN algorithm has the highest level of accuracy in the classification. The fine K-NN algorithm has an accuracy rate of 99.75% in the classification of human activity signals and earthquake signals with a memory capacity of 6,044 kilobytes and processing time of 15.93 seconds. This algorithm has the best classifier criteria compared to decision tree, support vector machine and linear discriminant analysis algorithms.