C. 128
WEBSITE MONITORING UNTUK SISTEM DETEKSI DINI TANAH LONGSOR BERBASIS LOW POWER WIDE AREA NETWORK
Amin Suharjono1*, Muhammad Mukhlisin2, Roni Apriantoro1, Anisa Novia Hidayanti1, Friskila Desy Hanatalia1
1Teknik Elektro, Politeknik Negeri Semarang 2Teknik Sipil, Politeknik Negeri Semarang
Jl. Prof. H. Soedarto, S.H. Tembalang, Semarang, 50275 *E-mail: amin@polines.ac.id
Abstrak
Tanah longsor merupakan bencana alam tahunan yang seringkali menimbulkan kerugian cukup besar di Indonesia. Oleh karena itu, diperlukan peralatan untuk memantau parameter potensi penyebabnya. Teknologi Internet of Things (IoT) merupakan terobosan dalam menangani masaah tersebut. Dengan perpaduan teknologi Low Power Wide Area Network (LPWAN), cakupan area dan efisiensi energi jaringan sensor nirkabel dapat ditingkatkan. Selain itu, dukungan website yang interaktif dan informatif dapat menunjang kelengkapan sistem yang menjadikan sistem monitoring dan deteksi dini longsor lebih andal. Tujuan dan kontribusi dalam paper ini adalah untuk mengembangkan website sistem monitoring tanah longsor berbasis LPWAN. Berdasarkan hasil pengujian, setiap elemen website dalam bekerja dengan baik sesuai dengan fungsinya.
Kata Kunci: IoT; LPWAN; Tanah Longsor; Website.
PENDAHULUAN
Indonesia merupakan negara tropis dengan curah hujan yang tinggi serta bentang alam yang beraneka ragam, mulai dari perairan, perbukitan hingga pegunungan. Disisi lain, Indonesia juga terletak di jalur cincin api yang mana bencana seperti gempa vulkanik, gempa tektonik, erupsi gunung berapi, banjir dan tanah longsor sering terjadi. Berdasarkan data dari Badan Nasional Penanggulangan Bencana (BNPB), sebanyak 2.131 bencana telah terjadi di Indonesia sejak Januari hingga akhir September 2020. Bencana hidrometeorologi, seperti banjir, angin puting beliung dan tanah longsor, masih dominan terjadi di wilayah nusantara dengan persentase 99%. Jumlah kejadian tertinggi yakni banjir sebanyak 791 kali dan disusul kejadian bencana lainnya, antara lain puting beliung 573 kali, tanah longsor 387, kebakaran hutan dan lahan (karhutla) 314, gelombang pasang atau abrasi 26, kekeringan 22, gempa bumi 13 dan erupsi gunung api 5 (CNBC Indonesia, 2020).
Prosiding Seminar Nasional NCIET Vol.1 (2020) C128-C137 1st National Conference of Industry, Engineering and Technology 2020,
C. 129
Bencana alam merupakan fenomena alam yang relatif sulit untuk diprediksi yang dapat memberikan dampak yang cukup signifikan. Dampak yang ditimbulkan meliputi kerugian, baik korban jiwa dan harta benda. Salah satu contoh dampak bencana alam banjir dan tanah longsor yang terjadi di Sentani, Papua, pada bulan Maret 2019, menyebabkan 112 orang meninggal dunia, 82 orang hilang 965 orang luka-luka dan kerugian serta kerusakan infrastruktur diperkirakan Rp. 668 miliar (CNN Indoinesia, 2019).
Kegagalan lereng atau tanah longsor biasanya disebabkan oleh beberapa faktor termasuk jenis material tanah, aktivitas manusia di lereng, topografi, kondisi iklim, vegetasi dan curah hujan. Namun, di negara tropis, curah hujan menjadi faktor utama penyebab kegagalan lereng (Gofar et al., 2006; Huat et al., 2006). Selama dan setelah hujan, sebagian air hujan mencapai permukaan lereng dan menyusup ke dalam tanah, sementara yang lainnya mengalir di permukaan. Ketika air menyusup ke lereng, hisap metrik akan menurun karena peningkatan kelembapan tanah. Kemudian, karena hal ini, struktur tanah menjadi berubah dan mengurangi kekuatan gesekan dan kohesif antar partikel (Gofar et al., 2006). Oleh karena hal tersebut, perlu adanya sistem terintegrasi untuk memantau parameter-parameter yang berpotensi menyebabkan bencana tanah longsor dan memberikan peringatan dini bahaya.
Internet of Thing (IoT) merupakan solusi terobosan yang memungkinkan untuk
melakukan pemantauan parameter-parameter yang berpotensi menjadi penyebab terjadinya tanah longsor dari jarak jauh dan realtime. Pada penelitian sebelumnya, (Giorgetti et al., 2016) memanfaatkan sensor soil hygrometer, extensometer dan tiltmeter untuk memantau kadar air tanah dan pergerakan tanah di lereng. Sementara untuk perangkat jaringan sensor nirkabel standar IEEE 802.15.4. Teknologi jaringan sensor nirkabel demikian juga dimanfaatkan oleh Jeong et al., (2020), namun dengan perangkat sensor yang berbeda untuk memantau parameter penyebab tanah longsor. Disisi lain, Lee et al., (2017) memanfaatkan NRF24L01 untuk jaringan sensor nirkabel sistem SMARTCONE yang digunakan untuk memantau deformasi tanah dan suhu serta kelembapan. Giri et al., (2019) melakukan penelitian untuk membuat sistem monitoring deformasi tanah dengan konsep wireless sensor
network inertial measurement unit (WSN-IMU). Sistem tersebut dibangun untuk memantau
pergerakan tanah menggunakan sensor IMU 6 axis dan memanfaatkan teknologi nirkabel standar IEEE 802.11G Wi-Fi sebagai link aggregation jaringan sensor nirkabel.
Perangkat radio transceiver yang digunakan pada penelitian sebelumnya memanfaatkan standar jaringan nirkabel dengan frekuensi 2,4 GHz, yang mana walaupun telah
C. 130
menggunakan fitur hemat energi, namun konsumsi energi setiap pengiriman data masih cukup tinggi dengan jangkauan yang sempit. Pada sistem pemantau kebencanaan diperlukan jaringan sensor nirkabel yang tidak hanya hemat energi, namun juga mempunyai jangkauan yang luas. Pada penelitian ini, penulis memanfaatkan teknologi Low Power Wide Area
Network (LPWAN) LoRa sebagai jaringan sensor nirkabel yang lebih hemat energi dan
mempunyai jangkauan yang lebih luas (±15 Km di area Rural) dari standar Zigbee dan Wi-Fi. Kemudian, teknologi jaringan tersebut dipadukan dengan sensor deformasi tanah, sensor kadar air tanah, sensor tekanan air tanah dan sensor curah hujan, serta website monitoring yang dapat diakses dari mana saja, yang mana hal tersebut akan melengkapi sebuah sistem pemantau tanah longsor yang andal dan user friendly dibandingkan dengan sistem deteksi tanah longsor pada penelitian sebelumnya. Kontribusi dan tujuan dari paper ini adalah untuk mengembangkan website sistem monitoring tanah longsor berbasis LPWAN.
METODE PENELITIAN
Pada bagian ini diuraikan metode yang digunakan untuk membangun sistem monitoring dan deteksi dini tanah longsor berbasis LPWAN. Arsitektur jaringan LPWAN pada penelitian ini adalah star yang terinspirasi dari penelitian Suharjono et al., (2018). Pada sistem ini terdiri dari end-devices yang berfungsi sebagai perangkat akusisi data dari sensor, gateway yang berfungsi untuk meneruskan frame yang dikirim oleh end-devices menuju server melalui jaringan internet menggunakan backhaul utama ethernet dan backhaul cadangan berupa jaringan seluler LTE. Sistem monitoring dan deteksi dini tanah longsor ini menggunakan empat tipe sensor yang menjadi acuan yaitu sensor MPU6050 (sensor deformasi tanah), Sensor optocoupler (sensor curah hujan), Sensor Hygrometer YL69 (sensor kadar air tanah), dan Sensor pressure vacuum MPX100DP (sensor tekanan air tanah) yang dipasang pada perangkat mikrokontroller dan LoRa Bee pada stasiun pemantau atau
end-devices. Data hasil pembacaan sensor selalu update secara realtime pada website monitoring. Hal tersebut dapat dilihat pada Gambar 1. Sementara diagram alir sistem dapat
dilihat pada Gambar 2.
Seperti yang telah disebutkan bahwa website monitoring pada sistem ini digunakan untuk menampilkan data sensor dalam bentuk grafik dan update secara realtime. Dalam membangun website monitoring tersebut, terdapat diagram use case dan Etentity
C. 131
berurutan. ERD digunakan untuk memberikan gambaran hubungan pada database, sementara perancangan diagram use case memperlihatkan hak akses admin dan user.
Sementara itu, pengujian sistem dilakukan di Laboratorium IoT Politeknik Negeri Semarang. Pengujian sistem dimulai dengan pengambilan data dari keempat sensor yang dikirimkan melalui jaringan LPWAN dan internet menuju server, kemudian data tersebut ditampilkan pada website dalam bentuk grafik dan tabel. Durasi waktu pengujian tersebut adalah 20 menit. Pengujian ini bertujuan untuk memastikan data dari keempat sensor dapat dikirimkan secara end-to-end, dengan cara membandingkan data yang tersimpan pada server (database) dan data yang masuk pada halaman website.
C. 132
C. 133
Gambar 3. Diagram Use Case Admin dan User
Gambar 4. Etentity Relationship Diagram
HASIL DAN PEMBAHASAN
Pada bagian ini dibahas hasil dari pembuatan website monitoring dan deteksi dini tanah longsor berbasis LPWAN. Gambar 5 merupakan tampilan halaman login pada website. Setelah dilakukan login, maka selanjutnya pengguna akan diarahkan pada halaman utama yang dapat dilihat pada Gambar 6. Halaman utama berisi informasi terkait dengan arsitektur sistem dan keterangan sensor serta perangkat radio transceiver yang digunakan. Setalah itu, pengguna dapat mengakses halaman grafik yang menampilkan data sensor berbentuk grafik. Hal tersebut dapat dilihat pada Gambar 7.
C. 134
Gambar 5. Halaman Login Website
Gambar 6. Halaman Utama Website
C. 135
Selain itu, terdapat juga halaman menu monitoring yang menampilkan data terakhir pembacaan dari keempat sensor secara realtime beserta status peringatan potensi bencana tanah longsor. Terdapat tiga status atau kategori dalam sistem ini, yaitu aman, waspada, dan awas. Ketika status tersebut menunjukkan waspada dan awas, maka nada alarm peringatan sirine akan berbunyi. Hal tersebut dapat dilihat pada Gambar 8. Tampilan status potensi tanah longsor tersebut berdasarkan threshold yang telah ditentukan dari data sensor yang masuk ke database yang mengacu pada Tabel 1 dan Tabel 2 yang merupakan klasifikasi parameter untuk menentukan status pada halaman monitoring.
Tabel 1. Klasifikasi Deformasi Tanah
Kriteria Deformasi Tanah
(cm/jam)
Status
Cepat/sangat cepat 12,7 – 35,4 Awas
Agak cepat 6,35 – 12,7 Awas
Sedang 2,0 – 6,35 Waspada
Agak lambat 0,5 – 2,0 Aman
Lambat/sangat lambat 0,125 – 0,5 Aman
Cepat/sangat cepat 12,7 – 35,4 Awas
Agak cepat 6,35 – 12,7 Awas
Sumber: Taryono (1997)
Tabel 2. Klasifikasi Curah Hujan
Kriteria Curah Hujan
(mm/jam)
Status
Kecil <2500 Aman
Sedang 2500 – 3500 Aman
Agak besar 3500 – 4500 Waspada
Besar 4500 – 5500 Awas
Sangat besar >5500 Awas
Kecil <2500 Aman
Sedang 2500 – 3500 Aman
C. 136
Gambar 8. Halaman Monitoring (a) Aman, (b) Waspada, (c) Awas Sumber: Data primer yang diolah, 2018
KESIMPULAN
Pada paper ini, penulis telah berusaha untuk membangun dan mengembangkan website sistem monitoring dan deteksi dini tanah longsor berbasis LPWAN. Berdasarkan pengujian yang telah dilakukan, website tersebut menunjukkan hasil yang cukup baik dengan fungsi pada setiap elemen yang berjalan baik dan tampilan data yang sesuai dengan data yang diakusisi oleh end-devices. Pada penelitian selanjutnya, penulis akan melakukan upgrade dengan cara meletakkan website pada cloud server dengan protokol pengiriman data
Message Queuing Telemetry Transport (MQTT) agar data yang dikirim lebih ringan,
sehingga meningkatkan kecepatan transfer data dan efisiensi energi.
DAFTAR PUSTAKA
Anggoro, A. S. (2010). Pemanfaatan Teknologi Penginderaan Jauh dan Sistem Informasi
Geografis untuk Pendugaan Potensi Peresapan Air DAS Wedi Kabupaten Klaten-Boyolali. Universitas Muhammadiyah Surakarta.
CNBC Indonesia. (2020). RI Supermarket Bencana, Sampai September Ada 2.000 Bencana.
https://www.cnbcindonesia.com/news/20201001104931-4-190809/ri-supermarket-C. 137
bencana-sampai-september-ada-2000-bencana
CNN Indoinesia. (2019). Bencana Januari-April 2019 lebih banyak dibanding tahun lalu. Www.Cnnindonesia.Com.
Giorgetti, A., Lucchi, M., Tavelli, E., Barla, M., Gigli, G., Casagli, N., Chiani, M., & Dardari, D. (2016). A Robust Wireless Sensor Network for Landslide Risk Analysis: System Design, Deployment, and Field Testing. IEEE Sensors Journal, 16(16), 6374– 6386. https://doi.org/10.1109/JSEN.2016.2579263
Giri, P., Ng, K., & Phillips, W. (2019). Wireless Sensor Network System for Landslide Monitoring and Warning. IEEE Transactions on Instrumentation and Measurement,
68(4), 1210–1220. https://doi.org/10.1109/TIM.2018.2861999
Gofar, N., Lee, M. L., & Asof, M. (2006). Transient Seepage and Slope Stability Analysis for Rainfall-Induced Landslide: A Case Study. Malaysian Journal of Civil Engineering,
18(1), 1–13.
Huat, BK, B., Ali, F. H., & Low, T. (2006). Water Infiltration Characteristics of Unsaturated Soil Slope and Its Effect on Suction and Stability. Geotechnical & Geological
Engineering, 24(5), 1293--1306.
Jeong, S., Ko, J., & Kim, J. (2020). The Effectiveness of A Wireless Sensor Network System for Landslide Monitoring. IEEE Access, 8, 8073–8086. https://doi.org/10.1109/ACCESS.2019.2960570
Lee, H. C., Ke, K. H., Fang, Y. M., Lee, B. J., & Chan, T. C. (2017). Open-Source Wireless Sensor System for Long-Term Monitoring of Slope Movement. IEEE Transactions on
Instrumentation and Measurement, 66(4), 767–776.
https://doi.org/10.1109/TIM.2017.2657838
Suharjono, A., Apriantoro, R., Mukhlisin, M., Anif, M., Hidayat, S. S., Setiawan, T. A., & Kadiran, S. A. (2018). Network Design and Performance Evaluation of MQTT Based HetNet Using LoRa Network and IEEE 802 . 11 for Internet of Things. 6th
International Technical Conference, 1–4.
https://www.researchgate.net/publication/333915594_Network_Design_and_Perform ance_Evaluation_of_MQTT_Based_HetNet_Using_LoRa_Network_and_IEEE_8021 1_for_Internet_of_Things/link/5d0c461c458515c11ceaee0c/download
Taryono. (1997). Erosi dan Konservasi Tanah (Diktat Kul). Fakultas Geografi Universitas Muhammadiyah Surakarta.
