SKRIPSI IF

PROTOTIPE SISTEM DETEKSI DINI BANJIR BERBASIS AIoT-DECISION TREE MENGGUNAKAN ESP32

---

ABSTRAK

Banjir merupakan salah satu bencana alam yang sering terjadi di Indonesia dan dapat
menimbulkan kerugian materiil, kerusakan infrastruktur, serta mengancam
keselamatan masyarakat. Sistem deteksi dini yang umum digunakan masih berfokus
pada pemantauan kondisi secara real-time sehingga belum mampu memberikan
informasi prediksi sebagai dasar antisipasi lebih awal. Penelitian ini bertujuan

merancang dan membangun prototipe sistem deteksi dini banjir berbasis AIoT-
Decision Tree menggunakan ESP32 untuk melakukan monitoring sekaligus

memprediksi kondisi banjir beberapa menit ke depan. Prototipe menggunakan sensor
ultrasonik HC-SR04 untuk mengukur ketinggian air dan sensor hujan untuk
mendeteksi kondisi hujan. Data sensor dikirim melalui jaringan Wi-Fi ke server,
kemudian diproses menggunakan algoritma Decision Tree. Hasil prediksi ditampilkan
pada dashboard dan digunakan sebagai dasar pemberian peringatan kepada pengguna.
Dataset yang digunakan merupakan gabungan data observasi lapangan pada saluran
drainase di Kecamatan Antapani dan data simulasi yang telah melalui tahap
preprocessing, pembentukan prediction target, encoding, feature selection, serta
pembagian data menjadi data latih dan data uji. Hasil penelitian menunjukkan bahwa
model Decision Tree memperoleh akurasi data latih sebesar 99,93% dan akurasi data
uji sebesar 99,05%. Pada data uji, model memperoleh precision sebesar 99,05%, recall
sebesar 99,05%, dan F1-score sebesar 99,05%. Hasil tersebut menunjukkan bahwa
prototipe mampu melakukan monitoring dan prediksi kondisi banjir dengan tingkat
ketepatan yang tinggi serta dapat mendukung proses deteksi dini dan penyampaian
peringatan kepada pengguna.
Kata kunci: AIoT, Decision Tree, ESP32, Deteksi Dini Banjir, Sistem Peringatan Dini.

vi

ABSTRACT

Floods are one of the most frequent natural disasters in Indonesia, causing material
losses, infrastructure damage, and threats to public safety. Conventional flood
detection systems generally focus on real-time monitoring and are not capable of
providing predictive information to support early mitigation. Therefore, this study
aims to design and develop an AIoT-based Flood Early Detection System Prototype
using ESP32 and the Decision Tree algorithm to perform environmental monitoring

and predict flood conditions several minutes in advance. The prototype utilizes an HC-
SR04 ultrasonic sensor to measure water level and a rain sensor to detect rainfall

conditions. Sensor data are transmitted via Wi-Fi to a server, where they are
processed using a Decision Tree model. The prediction results are displayed on a web
dashboard and used as the basis for providing warnings to users. The dataset consists
of field observation data from a drainage channel in Antapani District and simulation
data that have undergone preprocessing, including prediction target generation,
encoding, feature selection, and division into training and testing datasets. The
experimental results show that the Decision Tree model achieved a training accuracy
of 99.93% and a testing accuracy of 99.05%. On the testing dataset, the model
achieved a precision of 99.05%, recall of 99.05%, and F1-score of 99.05%. These
results indicate that the proposed prototype is capable of monitoring and predicting
flood conditions with a high level of accuracy and can support early flood detection
and the delivery of warnings to users.
Keywords: AIoT, Flood Early Detection, Decision Tree, ESP32, Flood Prediction.

---

Ketersediaan

S260908024

607.2 MIP p

Perpustakaan STMIK AMIKBANDUNG

Tersedia

Informasi Detil

Judul Seri

-

No. Panggil

607.2 MIF p

Penerbit

: ., 2026

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subyek

SKRIPSI IF

Info Detil Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

You must be logged in to post a comment