Implementasi Moving Average Filter untuk Koreksi Kesalahan Sensor Pengukur Kedalaman Air

UTTI MARINA RIFANTI, HERRYAWAN PUJIHARSONO, ANDRI SETIAWAN, JANS HENDRY

Sari


ABSTRAK

Aspek utama yang membedakan sensor satu dengan yang lainnya adalah tingkat akurasinya. Pada penelitian ini, dibuat sistem untuk menurunkan tingkat deviasi untuk meminimalisir kesalahan hasil pengukuran pada sensor berbiaya murah. Sensor yang digunakan adalah sensor tekanan udara BMP180. Sensor tersebut digunakan untuk mengukur kedalaman berdasarkan tekanan udara dalam air. Moving Average Filter (MAF) digunakan untuk membuang pencilan data, sehingga didapatkan data yang lebih relevan yang kemudian digunakan untuk melakukan curve fitting. Kemudian dilakukan analisis regresi linear untuk menghasilkan persamaan yang berfungsi sebagai pengoreksi data terekam dari sensor tersebut. Pengujian sistem dilakukan melalui beberapa skenario lalu diambil persamaan yang menghasilkan nilai Mean Square Error (MSE) yang paling kecil. Berdasarkan hasil penelitian, diperoleh kesimpulan bahwa MAF mampu meningkatkan akurasi data hingga mencapai 99.12%.

Kata kunci: sensor BMP180, koreksi kesalahan, regresi linear, moving average filter, mean square error

 

ABSTRACT

The main aspect that distinguishes sensors from one another is the level of accuracy. In this study, a system was developed to reduce the level of deviation to minimize the measurement error on low-cost sensors. The sensor used is the air pressure sensor, BMP180. Then this sensor is used to measure water depth based on air pressure in water. The Moving Average Filter (MAF) method is used to get rid of outliers of data, to obtain more relevant data for curve fitting. Then a linear regression analysis is performed to produce a function as a correction of recorded data from the sensor. System testing is carried out through a number of scenarios and then the equation is chosen with the smallest Mean Square Error (MSE). Based on this research, MAF increases data accuracy up to 99.12%.

Keywords: sensor BMP180, error correction, linear regression, moving average filter, mean square error


Kata Kunci


sensor BMP180; koreksi kesalahan; regresi linear; moving average filter

Teks Lengkap:

PDF

Referensi


Anindya, S. F., & Rachmat, H. H. (2015). Implementasi Sistem Bel Rumah Otomatis berbasis Sensor Ultrasonik. Jurnal ELKOMIKA, 3(1), 64–74.

Bramandika, G. (2015). Implementasi Sensor BMP085 Pada Quadcopter Berbasis. Jurnal Ilmiah Mikrotek, 2(1).

Budiarso, Z., & Prihandono, A. (2015). Implementasi Sensor Ultrasonik Untuk Mengukur Panjang Gelombang Suara Berbasis Mikrokontroler. Jurnal Teknologi Informasi Dinamik, 20(2), 171–177.

Hijriani, A., Muludi, K., & Andini, E. A. (2016). Penyajian Hasil Prediksi Pemakaian Air Bersih PDAM Informasi Geofrafis. Jurnal Ilmiah Ilmu Komputer, 11(2), 37–42.

Hsieh, C., Hung, S., Lan, C., & Huang, P. (2010). Impulse Noise Removal Based on Grey Polynomial Interpolation. In International Conference on Information Technology (pp. 327–331). IEEE Computer Society.

Indarto, B., Sunarno, H., Fahrudin, M., & Rahmat, D. B. (2015). Pengukuran Ketinggian Permukaan Air Sungai menggunakan Prinsip Tekanan Berbasis Mikrokontroler ATMega328. Jurnal Fisika Dan Aplikasinya, 11(3), 120–126.

Kurniawan, E., Suhery, C., & Triyanto, D. (2013). Sistem Penerangan Rumah Otomatis Dengan Sensor Cahaya Berbasis Mikrokontroler. Jurnal Coding Sistem Komputer Universitas Tanjungpura, 01(2), 1–9.

Montgomery, D. C., Peck, E. A., & Vining, G. G. (2015). Introduction to Linear Regression Analysis (5th ed.). New Jersey: John Wiley & Sons.

Morris, A. (2001). Measurement and Instrumentation Principles (3rd ed.). Oxford: Butterworth-Heinemann.

Saefullah, A., Abas Sunarya, & Deinsyah Fakhrizal. (2015). Prototype Weather Station Berbasis Arduino Yun. Creative Communication and Innovative Technology Journal, 8(2), 57–65.

Setiawan, I. (2009). Sensor dan Transduser. Semarang: Fakultas Teknik Universitas Diponegoro.

Smith, S. W. (2003). Digital Signal Processing: A Practical Guide for Engineers and Scientists. Burlington: Newnes.

Syafruddin, M., Hakim, L., & Despa, D. (2014). Metode Regresi Linier untuk Prediksi KebutuhanEnergi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung). Jurnal Informatika Dan Teknik Elektro Terapan, 2(2), 1–9.

Wahyono, C. (2015). Implementasi Moving Average Filter Untuk Memperbaiki Respon Output Sensor Load Cell Pada Pengisian Air Otomatis. Universitas Internasional Batam.

Zulharbi, Firdaus, Antonisfia, Y., & Defit, S. (2014). Implementasi Moving Average Filter pada Mikrokontroler sebagai Peredam Noise Sensor Piezo Elektrik untuk Mendeteksi Gelombang Seismik (Gempa Bumi). In Seminar Nasional Sains dan Teknologi (pp. 1–8). Fakultas Teknik Universitas Muhammadiyah Jakarta.




DOI: https://doi.org/10.26760/elkomika.v8i2.432

Refbacks

  • Saat ini tidak ada refbacks.


_______________________________________________________________________________________________________________________

ISSN (print) : 2338-8323 | ISSN (electronic) : 2459-9638

Publisher:

Department of Electrical Engineering Institut Teknologi Nasional Bandung

Address: 20th Building  Institut Teknologi Nasional Bandung PHH. Mustofa Street No. 23 Bandung 40124

Contact: +627272215 (ext. 206)

Email: jte.itenas@itenas.ac.id________________________________________________________________________________________________________________________


Free counters!

Web Analytics Made Easy - StatCounter

Statistic Journal

Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License