RANCANG BANGUN SISTEM PERINGATAN DINI BANJIR BERBASIS SENSOR ULTRASONIK DAN LORA MENGGUNAKAN MACHINE LEARNING

Banjir merupakan bencana alam yang sering terjadi di Indonesia sehingga diperlukan sistem yang mampu memberikan informasi kondisi sungai secara real-time dan peringatan dini. Penelitian ini bertujuan merancang dan membangun sistem monitoring serta klasifikasi banjir berbasis Internet of Things (IoT) dan Machine Learning menggunakan algoritma Random Forest.Sistem menggunakan sensor ultrasonik, sensor YF-S201, dan sensor curah hujan yang terhubung dengan ESP32. Data sensor dikirim ke Firebase Realtime Database dan ditampilkan pada aplikasi berbasis Laravel. Selanjutnya, data diproses menggunakan algoritma Random Forest untuk mengklasifikasikan kondisi banjir menjadi Aman, Waspada, Siaga, dan Bahaya. Pengujian dilakukan melalui pengujian fungsional, evaluasi model, dan Quality of Service (QoS). Hasil penelitian menunjukkan bahwa seluruh fitur sistem berjalan dengan baik berdasarkan pengujian fungsional. Model klasifikasi Random Forest menghasilkan akurasi keseluruhan sebesar 83,50%, dengan nilai precision, recall, dan F1-Score terbaik diperoleh pada kategori Bahaya, yaitu masing-masing 0,99, 0,94, dan 0,96. Pengujian QoS menghasilkan nilai rata-rata throughput 4,812 Kbps, packet loss 0,179%, dan delay 14,752 ms. Berdasarkan standar TIPHON, nilai packet loss dan delay termasuk kategori Sangat Baik, sedangkan throughput berada pada kategori Buruk karena ukuran data yang dikirim relatif kecil. Secara keseluruhan, sistem mampu melakukan monitoring dan klasifikasi banjir secara real-time serta memberikan informasi peringatan dini kepada pengguna.