RANCANG BANGUN LANDSLIDE EARLY WARNING SYSTEM (LEWS) BERBASIS WIRELESS SENSOR NETWORK MENGGUNAKAN ESP32 DAN LORAWAN

Bayu Satrio; Agustina Rachmawardani; Agustya Adi Martha; Dwi Indra Prasetyo

doi:10.21009/03.1401.FA10

Penulis

Bayu Satrio Program Studi Instrumentasi MKG Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jalan Meteorologi Nomor 5, Tanah Tinggi, Kota Tangerang, Banten, 15119 Indonesia
Agustina Rachmawardani Program Studi Instrumentasi MKG Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jalan Meteorologi Nomor 5, Tanah Tinggi, Kota Tangerang, Banten, 15119 Indonesia
Agustya Adi Martha Badan Riset dan Inovasi, Bogor 16911, Indonesia
Dwi Indra Prasetyo Program Studi Instrumentasi MKG Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jalan Meteorologi Nomor 5, Tanah Tinggi, Kota Tangerang, Banten, 15119 Indonesia

DOI:

https://doi.org/10.21009/03.1401.FA10

Abstrak

Tanah longsor merupakan bencana geologis yang berdampak signifikan terhadap keselamatan manusia dan infrastruktur, sehingga diperlukan sistem peringatan dini yang andal. Penelitian ini mengembangkan prototipe Landslide Early Warning System (LEWS) berbasis Wireless Sensor Network (WSN) untuk memantau parameter tanah secara real-time menggunakan tiga node sensor. Masing-masing node dilengkapi dengan sensor akselerometer MPU9250 dan sensor kelembapan tanah kapasitif. Komunikasi antar node dan base station menggunakan protokol LoRaWAN, sementara pengiriman data ke server dilakukan melalui WiFi dengan protokol MQTT. Data ditampilkan melalui antarmuka web berbasis Laravel dan dikirim sebagai notifikasi ke Telegram. Pengujian dilakukan melalui dua simulasi. Pertama, uji komunikasi LoRa menunjukkan jangkauan hingga 100 meter dengan nilai RSSI antara −46 dBm hingga −74 dBm. Kedua, simulasi deteksi longsor menunjukkan lonjakan Peak Ground Acceleration (PGA) mencapai 0.4–0.5 g secara serempak di ketiga node, sebelum kembali ke nilai normal < 0.1 g. Pengamatan kelembapan tanah menunjukkan kestabilan data antara 45%–55. Hasil membuktikan bahwa sistem WSN-LEWS mampu melakukan pemantauan dan transmisi data secara andal, serta memberikan deteksi dini terhadap indikasi longsor melalui perubahan percepatan dan kelembapan tanah.

Referensi

[1] A. Deristani, Mujiyo, and A. Hidayat, “Analysis of Landslide Susceptibility in Tirtomoyo Watershed, Central Java, Indonesia,” IOP Conference Series: Earth and Environmental Science, vol. 1180, no. 1, 2023, doi: 10.1088/1755-1315/1180/1/012039.

[2] R. Emberson, D. Kirschbaum, and T. Stanley, “Global Connections Between El Niño and Landslide Impacts,” Nature Communications, vol. 12, no. 1, pp. 1–11, 2021, doi: 10.1038/s41467-021-22398-4.

[3] S. Jeong, J. Ko, and J. Kim, “The Effectiveness of a Wireless Sensor Network System for Landslide Monitoring,” IEEE Access, vol. 8, pp. 8073–8086, 2020, doi: 10.1109/ACCESS.2019.2960570.

[4] W. Yi, “Application of Wireless Sensors and Their Networks in Monitoring Landslides,” Academic Journal of Science and Technology, vol. 4, no. 2, pp. 145–147, 2023, doi: 10.54097/ajst.v4i2.4192.

[5] A. Rachmawardani, R. H. Virgianto, D. Prabowo, A. Widiatmoko, M. F. Rasya, and K. M. Ash-Shiddiqyi, “Wireless Sensor Network (WSN) of a Flood Monitoring System Based on the Internet of Things (IoT),” 2023, vol. 01004.

[6] G. Quoc-Anh, N. Dinh-Chinh, T. Duc-Nghia, T. Duc-Tan, K. T. Nguyen, and K. Sandrasegaran, “Wireless Technology for Monitoring Site-Specific Landslide in Vietnam,” International Journal of Electrical and Computer Engineering, vol. 8, no. 6, pp. 4448–4455, 2018, doi: 10.11591/ijece.v8i6.pp4448-4455.

[7] Q. A. Gian, D. T. Tran, D. C. Nguyen, V. H. Nhu, and D. T. Bui, “Design and Implementation of Site-Specific Rainfall-Induced Landslide Early Warning and Monitoring System: A Case Study at Nam Dan Landslide (Vietnam),” Geomatics, Natural Hazards and Risk, vol. 8, no. 2, pp. 1978–1996, 2017, doi: 10.1080/19475705.2017.1401561.

[8] M. V. Ramesh, “Design, Development, and Deployment of a Wireless Sensor Network for Detection of Landslides,” Ad Hoc Networks, vol. 13, pt. A, pp. 2–18, 2014, doi: 10.1016/j.adhoc.2012.09.002.

[9] A. Rachmawardani et al., “State of the Art of Remote Sensing in Flood Early Warning System: Review Article,” 2022, pp. 108–117.