ITNYITNY

KURVATEKKURVATEK

Pemantauan real‑time pergerakan bangunan sangat penting untuk mengurangi risiko kerusakan struktural, khususnya di wilayah rawan gempa. Penerapan teknologi Internet of Things (IoT) memungkinkan pengukuran kontinu dan efisien terhadap deformasi serta kemiringan struktural melalui integrasi sensor pintar dan sistem berbasis awan. Tujuan utama penelitian ini adalah mengevaluasi kinerja sistem sensor IoT berbasis MEMS dalam mendeteksi perpindahan dan perubahan sudut pada struktur bangunan. Pengujian laboratorium eksperimental dilakukan dengan membandingkan pembacaan sensor akselerometer, giroskop, dan inclinometer dengan instrumen pengukuran standar. Hasil menunjukkan rata‑rata kesalahan pengukuran sebesar 1,58 %, waktu respons 2,34 detik, dan keandalan transmisi data 97,8 %, yang menandakan akurasi dan stabilitas tinggi. Integrasi sensor, mikrokontroler ESP32, dan platform komputasi awan menunjukkan potensi kuat untuk diimplementasikan sebagai sistem Structural Health Monitoring (SHM) berbasis IoT yang efektif, mendukung pengembangan infrastruktur pintar yang tangguh dan berkelanjutan.

Uji eksperimental menunjukkan bahwa sensor IoT berbasis MEMS memiliki akurasi tinggi dengan kesalahan rata‑rata 1,58 % serta waktu respons 2,34 detik dan keandalan transmisi data 97,8 %, memungkinkan deteksi real‑time pergerakan dan kemiringan bangunan.Integrasi sensor akselerometer, giroskop, dan inclinometer dengan mikrokontroler ESP32 serta platform cloud meningkatkan efisiensi pemantauan struktural dibandingkan metode konvensional.Untuk pengembangan selanjutnya, disarankan melakukan uji lapangan berskala penuh dengan sistem multi‑node, mengadopsi protokol NB‑IoT atau LoRaWAN, dan mengintegrasikan model AI untuk deteksi anomali serta analisis prediktif guna mendukung infrastruktur pintar dan sistem peringatan dini sesuai SDG 11.

Penelitian selanjutnya dapat menyelidiki bagaimana jaringan sensor IoT berbasis MEMS beroperasi secara simultan pada beberapa titik dalam struktur bangunan ketika diterapkan di lapangan, dengan menguji akurasi, stabilitas, dan keandalan transmisi data menggunakan protokol NB‑IoT atau LoRaWAN. Selanjutnya, dapat dieksplorasi apakah integrasi algoritma pembelajaran mesin untuk deteksi anomali dapat meningkatkan kemampuan prediksi kerusakan dini pada sistem SHM, dengan membandingkan model‑model klasifikasi dan prediksi berbasis data sensor real‑time. Selain itu, penting untuk meneliti pengaruh kombinasi sensor multi‑mode, seperti akselerometer, giroskop, inclinometer, serta sensor suhu dan kelembaban, terhadap kualitas pemantauan struktural pada kondisi lingkungan yang berubah‑ubah, khususnya di daerah rawan gempa. Untuk masing‑masing arah penelitian ini, diperlukan desain eksperimental lapangan yang melibatkan bangunan prototipe skala penuh, pengumpulan data selama periode yang panjang, serta analisis statistik untuk menilai peningkatan akurasi dan respons sistem. Hasil yang diharapkan dapat memberikan panduan praktis bagi pengembangan sistem pemantauan cerdas yang tahan lama, efisien, dan selaras dengan kebijakan pembangunan berkelanjutan.

  1. Redes de sensores IoT em edifícios inteligentes: uma avaliação de desempenho usando... doi.org/10.5753/wperformance.2021.15720Redes de sensores IoT em edifycios inteligentes uma avaliayyo de desempenho usando doi 10 5753 wperformance 2021 15720
  2. Application of MEMS‐based accelerometer wireless sensor systems for monitoring of blast‐induced... doi.org/10.1049/iet-wss.2018.5099Application of MEMSyAAAabased accelerometer wireless sensor systems for monitoring of blastyAAAainduced doi 10 1049 iet wss 2018 5099
  3. Cloud-Based Digital Twinning for Structural Health Monitoring Using Deep Learning | IEEE Journals &... doi.org/10.1109/TII.2021.3115119Cloud Based Digital Twinning for Structural Health Monitoring Using Deep Learning IEEE Journals doi 10 1109 TII 2021 3115119
Read online
File size369.54 KB
Pages8
Short Linkhttps://juris.id/p-3AR
DMCAReport

Related /

ads-block-test