RANCANG BANGUN SISTEM PENERIMA SINYAL SATELIT METEOR-M2 BERBASIS RTL-SDR DAN SATDUMP UNTUK PEMANTAUAN CUACA PADA FREKUENSI 137.9 Mhz

Aktivitas awan Cumulonimbus (CB) di wilayah tropis seperti Indonesia memicu berbagai cuaca ekstrem yang membahayakan sektor maritim dan penerbangan. Akses data cuaca dari penyedia komersial umumnya mahal dan bergantung pada pihak ketiga. Penelitian ini bertujuan untuk merancang sistem pemantauan cuaca mandiri, ekonomis, dan end-to-end berbasis satelit Meteor-M2 menggunakan kombinasi perangkat keras SDR (Software-Defined Radio) dan kecerdasan buatan YOLOv8 dengan menitikberatkan pada integrasi perangkat lunak sistem. Arsitektur sistem terdiri dari tiga lapisan utama: lapisan penerimaan sinyal, lapisan pemrosesan AI, dan lapisan visualisasi web. Pada lapisan perangkat keras dan akuisisi data, sinyal LRPT ditangkap menggunakan RTL-SDR V4 dan didekodifikasi secara otomatis melalui perangkat lunak SatDump menjadi citra GeoTIFF valid. Pada lapisan pemrosesan AI, model machine learning YOLOv8l dilatih selama 200 epochs memanfaatkan platform Google Colaboratory dengan teknik transfer learning dan optimizer AdamW untuk mendeteksi awan CB secara otomatis serta mengestimasi suhu puncak awan. Pelatihan model YOLOv8l pada 2.200 instance anotasi dengan strategi anotasi sedang menghasilkan nilai mAP@0.5 sebesar 0,427 dan F1-score maksimum 0,46 pada tingkat confidence optimum 0,177. Pada lapisan visualisasi, citra hasil dekoding beserta bounding box klasifikasi tingkat bahaya awan (Strong, Moderate, Weak) berhasil diintegrasikan ke dalam database Supabase dan ditampilkan secara real-time melalui dashboard web berbasis Flask dan Leaflet.js yang di-deploy di Railway menggunakan Docker. Hasil pengujian end-to-end membuktikan sistem mampu menyajikan informasi visual spasial awan CB secara mandiri dan akurat sebagai alat bantu pengambilan keputusan bagi nelayan dan petugas ATC.