Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSistem deteksi intrusi merupakan sistem peringatan ketika ada percobaan serangan pada jaringan komputer, dengan memberikan informasi log aktivitas mencurigakan yang dapat dianalisis dan ditindaklanjuti dalam bentuk respon untuk melindungi sistem dari ancaman sebelum menyebabkan dampak lebih besar. Secara teknis, penentuan prioritas penanganan intrusi berdasarkan pada severity yang ditentukan oleh sistem atau denganskor kerentanan. Namun ada hal lain yang menjadi isu, yaitu urgensi dari sektor strategis sebagai pertahanan nasional dalam pengamanan fasilitas, jaringan, aset berbasis informasi dan fisik yang diatur oleh suatu negara dengan menetapkan sektor strategis sebagai sektor prioritas yang wajib dilindungi saat terjadi insiden sebelum berdampak lebih besar.Pada penelitian ini, kami melakukan evaluasi beberapa metode penentuan prioritas yang diimplementasikan pada model respon yang digunakan, yaitu berdasarkan konsep manajemen waktu 4 kuadran yang telah digunakan oleh peneliti sebelumnya dengan data pengujian berupa data intrusi berbasis snort. Metode penentuan respon yang dievaluasi antara lain metode severity berdasarkan sistem deteksi intrusi berbasis snort yang disebut snort priority, rating threshold yaitu skor kerentanan, dan metode perhitungan indikator & kriteria (critical & urgent). Seiring dengan urgensi dari sektor strategis, maka pada pengujiannya metode indikator & kriteria dititik beratkan pada target yang terdaftar sebagai sektor strategis.Penelitian ini menyimpulkan bahwa metode indikator dan kriteria sebagai faktor penentu prioritas lebih detil sehingga cukup efektif untuk diterapkan dengan model respon pada data pengujian. Selain itu, dengan metode snort priority dan rating threshold penentuan prioritas tidak memperhatikan apakah target intrusi merupakan sektor strategis atau bukan karena prioritas berdasarkan pada dampak yang telah didefinisikan oleh sistem. Namun dengan metode perhitungan indikator dan kriteria, faktor penting yang melibatkan target sektor strategis dapat didefinisikan sebagai salah satu indikator prioritas untuk menentukan kriteria critical sehingga penanganan intrusi dapat diprioritaskan lebih tinggi.

---

ABSTRACTThe intrusion detection system is a warning system when there is an attempted attack on a computer network. It provides suspicious activity log information that can be analyzed and acted on in the form of a response to protect the system from threats before causing a more significant impact. Technically, determining the priority of intrusion handling is based on severity determined by the system or vulnerability scoring. However, some issues become internal issues. A country regulates the urgency of the critical sector as a national defense in securing information-based and physical facilities, networks, and assets by establishing the critical sector as a priority sector that must be protected when an incident occurs before it has a more significant impact.In this study, we evaluated some priority determination methods implemented in the response model used, based on the 4-quadrant time management concept used by previous researchers with test data in the form of snort-based intrusion data. The response determination methods evaluated include severity based on a snort-based intrusion detection system called snort priority, rating threshold, i.e., vulnerability score, and the purpose of calculating indicators & criteria (critical & urgent). Along with the urgency of the critical sector, the testing of indicator methods and criteria has emphasized on the targets listed as critical sectors.This study concludes that indicator methods and criteria as determinants of priorities are more detailed so that they are effective enough to apply with response models in test data. Besides, the snort priority method and the threshold rating determination of priorities do not pay attention to whether the intrusion target is a critical sector or not because of the priority based on the impact that has been defined by the system. But with the method of calculating indicators and criteria, important factors involving critical sector targets can be identified as one of the priority indicators to determine critical criteria so that intrusion will be handling prioritized."

"Pada penelitian ini membahas sistem pemantauan pada stairlift menggunakan internet of things (IoT), di mana sistem tertanam dalam fisik stairlift menggunakan sensor yang dipasang pada komponen stairlift dan kemudian diintegrasikan ke dalam platform IoT cloud (thingspeak) melalui jaringan internet. Akuisisi data fisis multi-sensor dapat berjalan, banyak informasi yang dapat diakses seperti: temperature motor, kecepatan, beban penumpang, konsumsi daya, getaran bearing dan getaran motor. Sistem pemantauan dapat berjalan secara real time, sehingga membuat pemantauan terpusat dan kegagalan operasi stairlift dapat dicegah sedini mungkin melalui early warning system (EWS) via Telegram. Selain itu, sistem ini dapat memberikan dukungan analisis teknis dalam mengembangkan prototype stairlift di masa mendatang. Berdasarkan analisis hasil pemantauan yang diperoleh, prototype stairlift layak dikembangkan untuk skala industri, secara operasional memenuhi ASME A18.1, ISO 10816 dan ISO 2372. Hal ini ditunjukkan dalam ujicoba variasi beban penumpang hingga maksimum 115 kg diperoleh kecepatan maksimum rata-rata <0,2 m/s, temperature motor <74,6 ˚C, konsumsi daya <600 watt, acceleration getaran bearing <0,5 g'peak dan kecepatan getaran motor (RMS) <4,5 m/s. Namun masih dibutuhkan improvement pada sistem teknis operasional prototype stairlift diantaranya temperature motor, konsumsi daya dan kecepatan agar dapat berjalan stabil.

---

This research discusses monitoring systems on stairlift using internet of things (IoT), where the system embedded in the physical stairlift uses sensors that are mounted on the stairlift component and then integrated into the IoT cloud platform (thingspeak) via the internet network. Multi-sensor physical data acquisition can run, a lot of information that can be accessed such as: motor temperature, speed, passenger load, power consumption, bearing vibration and motor vibration. The monitoring system can run in real time, thus making centralized monitoring and failure of stairlift operations preventable as early as possible through the early warning system (EWS) via Telegram. In addition, this system can provide technical analysis support in developing stairlift prototypes in the future. Based on the analysis of the monitoring results obtained, the prototype stairlift is suitable for industrial scale development, operationally compliant with ASME A18.1, ISO 10816 and ISO 2372. This is shown in the trial of passenger load variations up to a maximum of 115 kg obtained an average maximum speed <0, 2 m/s, motor temperature <74.6˚C, power consumption <600 watts, bearing vibration acceleration <0.5 g'peak and motor vibration speed (RMS) <4.5 m/s. However, improvements are still needed in the operational technical system of the prototype stairlift including motor temperature, power consumption and speed so that it can run stably."

"Banjir merupakan bencana besar yang kerap kali melanda Indonesia. Jakarta sebagai Ibukota beberapa tahun sekali mengalami banjir besar ini. Salah satu wilayah yang mengalami dampak negatif bencana ini ialah Kampung Melayu, Jakarta Timur. Terletak dekat daerah aliran sungai Ciliwung, bencana banjir di Kampung Melayu tak terelakkan terjadi. Penelitian ini bertujuan untuk membuat sistem deteksi bencana banjir di Kampung Melayu dengan implementasi algoritma Random Forest. Temperatur, tekanan udara, intensitas curah hujan, intensitas radiasi sinar matahari dan kelembaban relatif dari Stasiun Cuaca Citeko digunakan sebagai dataset dengan data tambahan berupa tinggi muka air di Pos Air Bendung Katulampa, Pos Air Depok dan Pos Air Manggarai. Hasil prediksi berupa empat kelas klasifikasi status siaga banjir dari tiap pos. Selain menggunakan algoritma Random Forest, penelitian ini juga menggunakan algoritma Decision Tree sebagai pembanding untuk melihat kinerja terbaik dari keduanya. Kedua algoritma ini merupakan metode yang kerap kali digunakan untuk pemodelan data time -series. Random Forest mencapai akurasi sebesar 99,17% dan Decision Tree mencapai 98,90%. Hasil ini menunjukkan bahwa sistem deteksi bencana banjir di Kampung Melayu, Jakarta dapat bekerja lebih baik dengan pengimplementasian Random Forest.

---

Flooding is a severe disaster that happens frequently in Indonesia. Jakarta, as the capital city of Indonesia, experiences this big flood every few years. One of the areas which experienced the negative impact of this disaster was Kampung Melayu, East Jakarta. Located near the Ciliwung river basin, flooding in Kampung Melayu is inevitable. The research aims to create a flood detection system in Kampung Melayu with the implementation of the Random Forest algorithm. Temperature, air pressure, rainfall, solar radiation, and relative humidity from the Citeko Weather Station were used as datasets with the addition of water level at the Katulampa Dam Water Post, Depok Water Post, and Manggarai Water Post. Prediction results in the form of four classes of flood alert status classification from each water post. In addition to using the Random Forest algorithm, this research also uses the Decision Tree algorithm as a comparison to see the best performance of the two algorithms. Both algorithms are methods which often used for time – series data modelling. Random Forest achieved 99,17% accuracy and Decision Tree achieved 98,90%. These results show that the flood detection system in Kampung Melayu, Jakarta can work better with the implementation of Random Forest. "

"Indonesia merupakan negara yang wilayahnya sering mengalami bencana alam. Salah satu penanganan bencana alam adalah pengumpulan informasi berita bencana seperti artikel atau koran, yang mana berguna untuk meningkatkan readability. Meskipun be- gitu, sekadar pengumpulan artikel saja cukup sulit karena identfikasinya dapat memakan waktu serta makna yang termuat pada berita juga masih perlu diserap. Oleh karena itu perlu dilakukan klasifikasi dokumen untuk memilih teks dokumen yang relevan dengan bencana alam, kemudian dari teks dokumen yang relevan dilakukan ekstraksi informasi. Penelitian mengenai klasifikasi teks bencana alam serta ekstraksi informasi yang sudah dilakukan masih menggunakan pendekatan pemelajaran mesin tradisional serta belum memanfaatkan pre-trained model berbasis bahasa Indonesia. Penggunaan pre-trained model dan pendekatan deep learning sendiri sering memperoleh performa yang lebih baik, sehingga ada kemungkinan performa yang dihasilkan dapat ditingkatkan. Dalam penelitian ini dilakukan eksperimen menggunakan pre-trained word embedding seperti Word2Vec dan fastText, pendekatan deep learning seperti BERT dan BiLSTM untuk task klasifikasi. Hasil dengan pendekatan pemelajaran mesin tradisional dengan BoW yang sudah direproduksi menjadi yang terbaik hampir secara keseluruhan, meskipun jenis classifier yang digunakan adalah MLP yang mana sudah menerapkan deep learning karena memiliki beberapa neuron. Kemudian pada penggunaan model pre-trained seperti BERT, terdapat keterbatasan panjang masukan. Keterbatasan ini dapat ditangani dengan membuat representasi dokumen menjadi lebih pendek menggunakan metode peringkasan teks. Hasil representasi ringkasan dokumen dalam penelitian ini mampu meningkatkan performa akurasi klasifikasi baik pada pendekatan pemelajaran mesin tradisional maupun deep learning. Penelitian ini juga melakukan ekperimen penggunaan pre-trained model yang sudah fine-tuned untuk task ekstraksi lokasi seperti NER dan dependency parsing berbasis bahasa Indonesia, meskipun belum dihasilkan performa yang cukup baik.

---

Indonesia is a country whose often experiences natural disasters. One way to deal with natural disasters is to collect disaster news information such as articles or newspapers, which are useful for increasing readability. Even so, just collecting articles is quite difficult because identification can take time and the meaning contained in the news still needs to be absorbed. Therefore, it is necessary to classify documents to select document texts that are relevant to natural disasters, then extract information from the relevant document texts. Research on natural disaster text classification and information extraction that has been carried out still uses the traditional machine learning approach and has not yet utilized Indonesian language-based pre-trained models. The use of pre- trained models and deep learning approaches themselves often get better performance, so there is a possibility that the resulting performance can be improved. In this study, experiments were carried out using pre-trained word embedding such as Word2Vec and fastText, deep learning approaches such as BERT and BiLSTM for classification tasks. The results with traditional machine learning approaches with reproducible BoW are the best almost overall, even though the type of classifier used is MLP which already implements deep learning because it has few neurons. Then in the use of pre-trained models such as BERT, there are limitations to the length of the input. This limitation can be overcome by making the document representation shorter using the text summary method. The results of the document summary representation in this study were able to improve the performance of classification accuracy in both traditional and deep learning machine learning approaches. This study also conducted experiments using pre-trained models that had been fine-tuned for location extraction tasks such as NER and Indonesian language-based dependency parsing, although they did not produce sufficiently good performance."

"Kondisi geografis Indonesia yang dilalui The Ring of Fire dan memiliki garis pantai sepanjang 95.181 KM (Pregiwati, 2019) menyebabkan Indonesia rawan akan bencana alam berupa letusan gunung api, tsunami, dan gempa bumi. Oleh sebab itu, dibutuhkan suatu early warning system (EWS) yang dapat memberikan informasi pemantauan kejadian alam di wilayah Indonesia agar masyarakat lebih siaga dalam menghadapi bencana alam. Sayangnya, EWS yang telah dimiliki Indonesia memiliki rating yang masih cukup rendah. Keluhan pengguna yang disampaikan melalui ulasan aplikasi pada App Store menunjukkan bahwa adanya kekurangan pada fitur aplikasi, desain antarmuka sistem, serta alur informasi yang tidak jelas. Penelitian ini bertujuan untuk merancang desain interaksi aplikasi mobile EWS bencana alam sebagai pengembangan dari aplikasi sebelumnya yang dapat mengatasi keluhan-keluhan pengguna. Dalam pengembangan desain interaksi, digunakan metode design thinking. Dalam implementasinya, metode design thinking terdiri atas lima proses utama, yakni define, needfinding & synthesis, ideation, prototyping, dan testing. Dalam tahap define, dilakukan wawancara dengan responden yang ahli di bidang early warning system dan bencana alam Indonesia. Selanjutnya, pada tahap needfinding & synthesis, dilakukan wawancara dengan responden umum. Dari proses-proses tersebut, penelitian ini akan menghasilkan analisis fitur dan kebutuhan pengguna, stakeholder EWS di Indonesia, rumusan desain interaksi, serta penilaian evaluasi kegunaan (usability) dari rumusan desain yang telah dibuat. Fitur-fitur yang dikembangkan dalam aplikasi ini antara lain fitur geolokasi dan geotagging, fitur berita dan prediksi bencana alam, fitur pemberian ulasan dampak bencana, fitur notifikasi, fitur informasi tindakan penyelamatan, serta fitur informasi lokasi posko dan data korban. Penelitian ini dapat memberikan manfaat dalam meningkatkan wawasan dan pengetahuan pembaca terkait EWS untuk bencana alam serta menjadi produk acuan untuk pengembangan EWS Indonesia di masa yang akan datang.

---

The geographical condition of Indonesia which is passed by The Ring of Fire and has a coastline of 95,181 KM (Pregiwati, 2019) causing Indonesia to be prone to natural disasters in the form of volcanic eruptions, tsunamis, and earthquakes. Therefore, an early warning system (EWS) is needed to provide information on monitoring natural events which can help people be more alert. Unfortunately, Indonesia's early warning system has a fairly low rating. User complaints submitted through application reviews indicate that there are deficiencies in application features, system interface design, and unclear information flow. This study aims to design an interaction design for a natural disaster early warning system mobile application as a development of the previous one that can overcome user complaints. In the development of interaction design, the design thinking method is used. In its implementation, the design thinking method consists of five main processes, namely define, needfinding & synthesis, ideation, prototyping, and testing. In the stage define, interviews were conducted with respondents who are experts in the field of early warning systems and Indonesian natural disasters. Furthermore, at the needfinding & synthesis stage, interviews were conducted with general respondents. From these processes, this research will produce an analysis of user needs and features, stakeholder early warning system in Indonesia, formulation of interaction design, and usability evaluation assessment of the design formulation that has been made. The features developed in this application include geolocation and geotagging features, news and predictions of natural disasters features, features for providing disaster impact reviews, notification features, feature that provide information about rescue actions, and feature that provide information about post locations and victims data. This research can provide benefits in increasing the reader's insight and knowledge regarding the early warning system (EWS) for natural disasters and also being a reference product for the development of Indonesia's EWS in the future."

"Gempa bumi, salah satu bencana alam yang sering terjadi di Indonesia dan sering memakan banyak korban jiwa. Sistem peringatan dini terbukti efektif untuk mengurangi jumlah korban jiwa akibat gempa bumi ataupun bencana susulan lainya. Perangkat Internet-of-things berbasis seluler dapat digunakan sebagai perangkat peringatan dini untuk mendeteksi gempa bumi.Ketika banyak perangkat pendeteksi kejadian secara bersamaan melakukan transmisi ke jaringan seluler maka akan terjadi bursty transmission yang mengakibatkan kongesti pada jaringan seluler. Kongesti yang terjadi mengakibatkan peningkatan delay dan penuruan success probability pada prosedur random access jaringan seluler yang dapat mengurangi efektifitas sistem deteksi dini. Pengaturan preamble pada access class dapat digunakan untuk mengurangi dampak kongesti yang terjadi.

---

Earthquakes, one of the natural disasters that often occur in Indonesia and often take many lives. The early warning system has proven to be effective in reducing the number of casualties due to earthquakes or other aftershocks. Cellular-based Internet-of-things devices can be used as early warning devices to detect earthquakes. When multiple incident detection devices are simultaneously transmitting to the cellular network, bursty transmission will occur, resulting in congestion on the cellular network. The congestion that occurs results in an increase in delay and a decrease in success probability in random access cellular network procedures which can reduce the effectiveness of the early detection system. Preamble settings on access classes can be used to reduce the impact of congestion that occurs."

"Berdasarkan keputusan Rapat Kerja Kesehatan Nasional tahun 1990, dan dalam rangka mencegah dan memperkecil terjadinya letusan kejadian luar biasa klb diare, Departemen Kesehatan telah menetapkan Petunjuk Pelaksanaan Sistem Kewaspadaan Dini Kejadian Luar Biasa Penyakit Menular dan Keracunan dimana didalamnya termasuk klb diare. Namun demikian letusan klb diare dari tahun ke tahun masih tetap terjadi dengan frekuensi yang cukup tinggi.Pelaksanaan SKD-KLB Penyakit Menular ini, titik beratnya berada di tingkat Kabupaten dan Kota. Dengan demikian Pelaksanaan SKD-KLB Penyakit Menular di tingkat Kabupaten harus ditingkatkan Salah satu upaya untuk meningkatkan pelaksanaan SKD-KLB ini di tingkat Kabupaten adalah dengan Cara menyajikan data kajadian kasus diare dan faktor-faktor lain yang mempengaruhi terjadinya letusan klb diare. Dalam bentuk yang dapat memberikan kemudahan kepada pengambil keputusan di tingkat Kabupaten menginterprestasikan data tersebut sehingga dengan cepat dan tepat menentukan langkah-langkah mencegah meningkatnya kejadian diare menjadi KLB.Studi ini merancang suatu metode SKD-KLB Diare berbasis Sistem Informasi Geografis (SIG) di Kabupaten Pandeglang dengan menggunakan program aplikasi Epi Info dan Epi Map. Dengan diterapkannya model ini, akan memudahkan petugas pemberantasan penyakit menular, dalam hal ini diare, di Kabupaten Pandeglang dalam mengamati kemungkinan terjadinya klb diare di suatu kecamatan tertentu .Studi ini melingkupi tahapan definisi sistem yaitu penjajagan sistem yang ada serta menganalisa informasi yang di manfaatkan serta menentukan sistem yang diperlukan. Langkah berikutnya adalah desain fisik yaitu menentukan susunan file, format input, pengembangan grogram dan pengernbangan prosedur.Studi ini telah berhasil merancang Sistem Kewaspadaan Dini Kejadian Luar Biasa Diare di Kabupaten Pandeglang. Selanjutnya di sarankan agar Sistem ini dapat di pergunakan dan di terapkan di semua Kabupaten dan Kota.

---

Based on the result of National Health Workshop held in 1990, Ministry of Health declared the Guidance for the implementation of Communicable Diseases and Poinsoning Outbreak early Warning System to prevent and to control the possibility of the eruption of communicable diseases and Poinsoning outbreak.

Even though, the MOH had declared the Guidance, there were still diarhoea outbreak happened all over the country. There for the implementation of the Outbreak Early Warning System should be intensified.

Since the back bone of the system is the Regency Health Service, the capability of the decision maker in Regency Health Service should be improved they should have the easiness in making interpretation on the data just by having a glance on it, whether there will be an outbreak or not. It can be done by having the picture of cases distribution by area. There for the Regencies Health Services should be accommodated with the early warring system based on Geographic Information System. The problem is how the system should be. To overcome the problem, there is a system developed based on geographic information system by using Epi Info and Epi Map application program. The system was developed through several steps. Firstly designed the system by examining the existing system, information needed and drawing the flow of the information. Secondly, designed the physical system itself by defining the files needed, format of the input and output, mechanism of system maintenance and conducting working procedure. Unfortunately, due to time limitation, there was no chance to have the system tried out.

It is suggested that the system should be tried out and it would be useful if every regency and municipality can use and operate the system in order to know whether the condition in the regency is almost close to the outbreak of diarhoea or not."

"Secara geografis, Jakarta dibagi menjadi hulu dari 13 sungai dan terletak di daerah dataran rendah (Napier, 2021). Menurut laporan BPBD DKI Jakarta tahun 2018, terdapat 7.228 rumah tangga atau 11.450 orang yang terdampak banjir pada Selasa sore, 6 Februari 2018. Salah satu pendekatan pengurangan banjir yang mengurangi kerusakan akibat banjir adalah bendungan kering. Bendungan kering adalah daerah tangkapan yang dirancang untuk menampung kelebihan air selama banjir sambil memungkinkan air mengalir bebas dalam situasi normal. Ini adalah metode mitigasi banjir jangka pendek yang menahan air untuk durasi singkat sebelum melepaskannya secara bertahap untuk mencegah banjir di hilir. Analisis efektivitas bendungan kering dilakukan dengan analisis daerah aliran sungai menggunakan ArcGIS, curah hujan rancangan, analisis model hidrologi menggunakan HEC-HMS, dan analisis model tingkat air menggunakan HEC-RAS dengan dan tanpa bendungan untuk periode ulang 50 tahun, 100 tahun, dan banjir maksimum yang mungkin terjadi (PMF). Hasil perbandingan pengurangan banjir dan tingkat air dianalisis berdasarkan perubahan debit, tingkat air di Bendung Katulampa, dan tingkat peringatan di Bendung Katulampa. Debit dari pemodelan dikalibrasi dengan data aktual menggunakan analisis NSE, yang menghasilkan nilai 0,872; diklasifikasikan sebagai baik. Tingkat air dan tingkat peringatan untuk Tr 50 tahun di Bendung Katulampa berubah dari 2,59 m menjadi 1,98 m atau sebesar 24%, dan tingkat peringatan turun dari level 1 ke level 2. Namun, untuk Tr 100 tahun, tingkat peringatan tidak berubah karena tetap tercatat pada level 1, dan model PMF tidak dapat ditampung oleh bendungan karena melebihi elevasi maksimum.

---

Geographically, Jakarta becomes the headwaters of 13 rivers and is located in the lowlands area. (Napier, 2021). According to the DKI Jakarta BPBD report 2018, there were 7,228 households or 11,450 people affected by the floods on Tuesday afternoon, 6th February 2018. One of flood reduction approaches that reduce the damage caused by flooding is dry dam. Dry dams are catchment areas designed to hold surplus water during flooding while allowing water to flow freely under normal situations. This is a short-term flood mitigation method that holds water for short duration before gradually releasing it to prevent downstream flooding. The analysis of effectiveness of dry dams conducted by watershed analysis on ArcGIS, design rainfall, hydrological model analysis on HEC HMS, and water level model analysis on HEC-RAS with and without dams for 50, 100 years, and probable maximum flood (PMF) return period. The comparison between result in flood reduction and water level would be analyzed as the changes in discharge, water level at Katulampa Weir, and warning level at Katulampa Weir. The discharge from modelling calibrated to the actual data by NSE analysis, which resulted in 0.872; classified as good. The water level and warning level were resulted for Tr 50 years at Katulampa Weir changed from 2.59 m to 1.98 m by 24% and so the warning level from level 1 to level 2. However, for TR 100 years the warning level did not change as it was recorded at level 1 and the PMF model could not be accommodated by the dams as it exceeded the maximum elevation."

"Indonesia seringkali mengalami bencana alam, pada tahun 2008 Indonesia termasuk dalam 10 besar negara di dunia yang selalu mengalami bencana. Bencana terbesar yang terjadi adalah bencana hidrologi yang berhubungan dengan banjir, yaitu sekitar 34%. Ini mengindikasikan bahwa kejadian banjir perlu ditangani secara seksama oleh berbagai pihak. Pendekatan yang digunakan adalah secara nonstruktur dengan mengembangkan sistem peringatan dini banjir, menggunakan pemdektan pemodelan hidrologi dan hidraulik untuk menentukan karakteristik aliran banjir. Input yang dipakai dalam model menggunakan beberapa sumber data, seperti data pengamatan lapangan dengan sistem pengiriman data secara telemetri, data radar, satelit, dan data prakiraan hujan dari berbagai Numerical Weather Prediction (NWP) serta prakiraan muka air laut dengan menggunakan Astronomical Tide dan South China Sea Model. Penggunaan beberapa sumber data dimaksudkan untuk memperpanjang lead time yang dihasilkan oleh model. Sistem peringatan dini banjir Jakarta (J-FEWS) telah dioperasikan secara perdana untuk kejadian banjir pada akhir tahun 2012 dan awal tahun 2013. Hasil yang diperoleh menunjukkan bahwa sistem berjalan dengan baik meskipun hasil prakiraan masih memerlukan perbaikan, terutama data curah hujan yang digunakan (baik data pengamatan maupun data prakiraan). Penggunaan hujan prakiraan dapat menghasilkan lead time yang lebih panjang, tetapi akurasi prakiraan model menjadi berkurang."

"Bencana alam banjir merupakan salah satu fenomena alam yang sering terjadi serta dapat menyebabkan dampak yang sangat serius terhadap lingkungan dan juga masyarakat. Banjir bisa disebabkan oleh berbagai faktor. Cuaca ekstrem seperti hujan deras dalam waktu singkat merupakan contoh penyebab terjadinya bencana banjir. Penelitian ini mengajukan suatu sistem pemantauan dan pendeteksi banjir dini berbasis IoT menggunakan teknologi Low-Power Wide Area Network (LPWAN). Teknologi Internet of Things (IoT) digunakan untuk memantau dan mendeteksi curah hujan secara real-time. Sistem pada penelitian ini dilengkapi dengan sensor untuk mengukur intensitas curah hujan dan arus air. Data yang terkumpul dikirimkan ke server pusat melalui teknologi LoRaWAN, yang memungkinkan komunikasi dalam jarak yang jauh dengan pemakaian daya yang rendah. Pada penelitian ini akan membahas mengenai performa sistem dan menganalisis kinerja sistem pendeteksi dan monitoring curah hujan berbasis LoRaWAN. Penelitian ini dilakukan di daerah aliran Sungai Ciliwung, Jakarta Timur. Pengujian yang dilakukan untuk melihat pengaruh curah hujan terhadap transmisi sinyal pada rancangan sistem. Kinerja dari transmisi sinyal sistem dianalisis bedasarkan hasil transmisi bedasarkan parameter QoS yang telah ditentukan. Hasil percobaan rancangan sistem menunjukan bahwa sistem berhasil digunakan untuk mendeteksi dan memonitoring curah hujan. Pada percobaan sistem menunjukan akurasi sensor curah hujan mencapai 4,367%. Nilai maksimum PDR maksimum sebesar 98,39% pada kondisi tidak hujan. Sedangkan untuk nilai PDR minimum terdapat pada kondisi hujan lebat dengan nilai sebesar 84,31%. Hasil percobaan transmisi sinyal terhadap kondisi curah hujan yang berbeda menunjukan bahwa transmisi sinyal pada keadaan tidak hujan akan lebih baik dari keadaan hujan sedang maupun hujan lebat. Penurunan nilai SNR dan RSSI akan semkain mengecil seiring dengan menaiknya intensitas curah hujan, hal ini menunjukkan bahwa curah hujan yang meningkat akan sangat mempengaruhi kinerja transmisi perangkat. Faktor selain curah hujan yang dapat memengaruhi nilai SNR, RSSI dan delay yaitu seperti EMI, noise, dan kondisi lingkungan.

---

Natural disasters flooding is one of the most frequent natural phenomena and can cause very serious impacts on the environment and also society. Flooding can be caused by various factors. Extreme weather such as heavy rainfall in a short time is an example of the cause of flood disasters. The research proposes an IoT-based early rainfall monitoring and detection system using Low-Power Wide Area Network (LPWAN) technology. The Internet of Things (IoT) technology is used to monitor and detect rainfall in real time. The system in this study is equipped with sensors to measure the intensity of rainfall and water flow. The collected data is transmitted to the central server via LoRaWAN technology, which allows long-distance communication with low power usage. The study will discuss the system performance and analyze the performance of the rain detection and monitoring system based on LoRaWAN. The research was conducted in the Ciliwung River stream area, East Jakarta. Tests are carried out to see the impact of rainfall on signal transmission on the system design. The performance of the system's signal transmission is analyzed based on the result of the transmission based on a given QoS parameter. The experimental results of the system design showed that the system was successfully used to detect and monitor rainfall. In the experiment the system showed the accuracy of the rainfall sensor reached 4,367%. The maximum PDR value was 98.39% in non- rain conditions. Whereas for the minimum PDR is in heavy rain conditions with a value of 84.31%. The decrease in SNR and RSSI values will diminish as the rainfall intensity increases, suggesting that increased rainfall will greatly affect the transmission performance of the device. Factors other than rainfall can affect SNR, RSSI and delay values such as EMI, noise, and environmental conditions."