Hasil Pencarian  ::  Simpan CSV :: Kembali

"Cuaca merupakan salah satu aspek signifikan yang berpengaruh dalam keselamatan transportasi penerbangan. Informasi mengenai cuaca yang mudah diakses dan akurat menjadi penting untuk mendukung aktivitas penerbangan. Penelitian ini bertujuan untuk mengembangkan Automatic Weather Station berbasis Internet of Things guna mendukung layanan informasi cuaca penerbangan. Sistem dirancang menggunakan sensor suhu dan kelembapan HMP155A, sensor tekanan udara PTB110, serta sensor arah dan kecepatan angin RMY 03002. Data dari sensor diproses oleh data logger CR1000 dan dikirimkan ke server menggunakan NodeMCU ESP8266 menggunakan protokol pengiriman MQTT. Sistem rancangan akan mengolah data dari sensor menjadi berita meteorologi penerbangan dalam bentuk sandi METAR. Data yang dikirimkan server akan ditampilkan dalam bentuk website dashboard dan MQTT dashboard untuk memudahkan operator dalam memperoleh informasi meteorologi penerbangan. Kalibrasi sistem rancangan menunjukkan nilai koreksi dibawah ambang batas yang ditetapkan oleh WMO. Nilai kalibrasi sensor suhu menunjukkan koreksi paling besar 0.15ºC. Nilai koreksi yang dihasilkan dari pengujian sensor kelembaban sebesar 1.9%. Sensor tekanan udara menghasilkan nilai koreksi sebesar -0.1 mb. Kecepatan angin memiliki nilai koreksi terbesar -0,31 m/s, sedangkan arah angin 0,2 derajat pada set point 270 derajat. Analisis delay menunjukkan nilai 0,32678949 ms yang masuk dalam kategori bagus dengan troughput 1416,428835 bytes/detik. Hasil penelitian ini menunjukkan sistem dapat diimplementasikan untuk menyediakan informasi aktual cuaca penerbangan berbasis Internet of Things.

---

Weather is one of the significant aspects that have a major role in the aviation transportation safety and operation. Information about weather that is easily accessible and accurate is important to support flight activities. This research aims to develop an Automatic Weather Station based on the Internet of Things to support aviation meteorological information services. The system is designed using the HMP155 temperature and humidity sensor, PTB110 air pressure sensor, and RMY03002 direction and wind speed sensor. Data from the sensor is processed using a CR1000 data logger and sent to the server with the NodeMCU ESP8266 communication platform using the MQTT protocol. The system will process data from sensors into a meteorological report on aviation in the form of METAR code. Data sent to the server can be accessed through the website and MQTT dashboard. The temperature sensor calibration correction result is 0.15ºC. Correction value resulting from humidity sensor calibration is 1.9%. The air pressure sensor has a correction of -0.1 mb. The wind speed has the largest correction value of -0.31 m/s, while the wind direction is 0.2 degrees at the set point of 270 degrees. Delay analysis shows the value of 0.32678949 ms which is included in the good category with a throughput of 1416.428835 bytes/sec. The results of this study indicate the system can be implemented to provide actual information on aviation based on the Internet of Things."

"Pengamatan unsur cuaca secara terus menerus merupakan hal yang sangat penting, untuk mengetahui kondisi cuaca sesaat, data pengamatan cuaca sesaat dan yang lampau dapat digunakan untuk memperediksi kondisi cuaca yang akan datang, informasi keadaan cuaca sangat diperlukan mendukung aktifitas umat manusia. Pengamatan unsur cuaca berupa Temperatur, Tekanan udara, Kelembaban Udara, Arah dan kecepatan angin, Energi Surya, serta jumlah curah hujan hingga saat ini masih banyak dilakukan secara manual dimana kesalahan akibat faktor manusia (human error) sering terjadi, sementara bila dilakukan secara otomatis akan mempermudah kerja manusia, serta menghindari kesalahan yang diakibatkan faktor manusia. Pemanfaatan mikrokontroler serta beberapa sensor dapat berfungsi sebagai alat akuisisi data, dengan menambahkan beberapa alat pedukung seperti sarana penyimpanan data serta alat komunikasi maka terbentuklah suatu sistem pengamatan cuaca otomatis atau yang sering disebut Automatic Weather Station (AWS) dengan ukuran yang kecil (portable) serta konsumsi daya yang rendah. Hasil penelitian ini telah berhasil membuat suatu prototype AWS yang selanjutnya dapat dikembangkan untuk keperluan meteorologi dalam mendukung tugas pokok Badan Meteorologi, Klimatologi dan Geofisika (BMKG) sebagai pengamat unsur cuaca.

---

Observations of weather on a continual basis is important, for the present weather conditions, weather observation data the past and the present can be used for weather prediction for the future, the weather information is needed to support the activities of mankind. Elements such as weather observation temperature, air pressure, Air Humidity, wind direction and velocity, radiation on the sun energy, and the amount of rainfall at this time to do much manually where errors due to human factors (human error) is often the case, while if done automatically will facilitate human work, and avoid the mistakes that caused the human factor. Utilization microcontroller and some sensors can function as a data acquisition tool, with several add supporting tools such as data storage facilities and communication system then created an automatic weather observation system, or often called the Automatic Weather Station (aws) with the size of a small (portable) and consumption power is low. Results of this research has been successfully made of a prototype aws which can further be developed for the purpose of meteorology support basic task Meteorological Agency, Climatology and Geophysics (BMKG) as an observer of the weather."

"Automatic Weather Station (AWS) mengalami kendala berupa kerusakan komponen dan kegagalan sistem komunikasi, sehingga menyebabkan data parameter tidak lengkap. Kerusakan komponen juga terjadi pada pyranometer. Penurunan kinerja pyranometer menghasilkan penyimpangan, ketidakpastian pengukuran intensitas radiasi matahari, serta gap data. Imputasi data menjadi salah satu solusi dalam meminimalisir penyimpangan pengukuran dan terjadinya missing data pyranometer AWS. Penelitian ini bertujuan mendesain serta menganalisis performa akurasi model imputasi data intensitas radiasi matahari pyranometer AWS multisite ketika terjadi gap data. Penelitian ini berupaya memanfaatkan kaitan spasio-temporal intensitasi radiasi matahari AWS multisite di dalam model imputasi. Algoritma Long-Short Term Memory (LSTM) digunakan sebagai estimator pada jaringan pyranometer AWS multisite. Tahap pemodelan imputasi data meliputi pengumpulan data, pra-pemrosesan data, pembuatan skenario missing data, desain LSTM dan pengujian model. Metode berbasis machine learning ini diharapkan mampu mengimputasi data AWS pada missing data dalam jangka menit maupun jam, jika AWS mengalami kerusakan sistem atau gangguan jaringan komunikasi. Nilai MAPE model LSTM untuk imputasi pyranometer AWS Cikancung untuk missing data 30 menit, 1 jam dan 3 jam berturut-turut yaitu 1,81% ; 2,72% ; dan 5,07%. Nilai MAPE model LSTM untuk AWS Cimalaka untuk missing data 30 menit, 1 jam dan 3 jam berturut-turut yaitu 0,46% ; 1,25% ; dan 3,24%. Nilai MAPE model LSTM untuk AWS Cipasung untuk missing data 30 menit, 1 jam dan 3 jam berturut-turut yaitu 2,30% ; 1,67% ; dan 0,94%.

---

Automatic Weather Station (AWS) experienced problems in the form of component damage and communication system failure, resulting in incomplete parameter data. Component damage also occurs in pyranometers. Decreased pyranometer performance results in deviations, uncertainty in measuring solar radiation intensity, and data gaps. Data imputation is one solution to minimize measurement deviations and the occurrence of missing AWS pyranometer data. This research aims to design and analyze the accuracy performance of the multisite AWS pyranometer solar radiation intensity data imputation model when a data gap occurs. This research attempts to utilize the spatio-temporal relationship of multisite AWS solar radiation intensity in the imputation model. The Long-Short Term Memory (LSTM) algorithm is used as an estimator in the multisite AWS pyranometer network. The data imputation modeling stage includes data collection, data pre-processing, creating missing data scenarios, LSTM design and model testing. This machine learning-based method is expected to be able to impute AWS data for missing data in minutes or hours, if AWS experiences system damage or communication network disruption. The MAPE value of the LSTM model for the AWS Cikancung pyranometer for missing data of 30 minutes, 1 hour and 3 hours respectively is 1.81%; 2.72% ; and 5.07%. The MAPE value of the LSTM model for AWS Cimalaka for missing data of 30 minutes, 1 hour and 3 hours respectively is 0.46%; 1.25% ; and 3.24%. The MAPE value of the LSTM model for AWS Cipasung for missing data of 30 minutes, 1 hour and 3 hours respectively is 2.30%; 1.67% ; and 0.94%."

"Stasiun Klimatologi BMKG memiliki tugas pengamatan parameter iklim guna mempelajari kondisi iklim suatu daerah. Parameter iklim yang diukur paling sedikit antara lain suhu dan kelembaban udara di ketinggian 1.2 m, 4 m, 7 m, dan 10 m, arah dan kecepatan angin di ketinggian 4 m, 7 m, dan 10 m, radiasi matahari, tekanan, curah hujan, dan suhu tanah di beberapa kedalaman. AWS dan IKRO merupakan alat otomatis yang digunakan untuk mengukur parameter iklim. Adanya dua buah sistem ini kurang efektif dan efisien, selain itu juga belum dimanfaatkan untuk mengukur seluruh pengamatan parameter iklim yang ada di Stasiun Klimatologi BMKG. Sistem yang ada saat ini juga masih sering mengalami error pengukuran dan permasalahan kelengkapan data yang diterima oleh server. Selain itu belum terdapat alat otomatis untuk melakukan pengukuran suhu tanah di beberapa kedalaman. Penelitian ini bertujuan untuk merancang suatu sistem digitalisasi di stasiun klimatologi yang dapat melakukan pengamatan parameter iklim secara otomatis dengan berbasis internet. Sistem ini dirancang dengan menggunakan satu buah data logger Campbell Scientific CR1000X, sensor meteorologi grade industrial, sistem catu daya dan modem. Data parameter iklim dikirim setiap 1 menit menggunakan protokol MQTT menggunakan broker Amazon AWS IoT Core. Pada sisi client melakukan subscribe data untuk menyimpan data tersebut kedalam database MySQL dan menampilkannya ke dalam Grafana web browser. Informasi parameter iklim dapat diakses darimana saja dan kapan saja selama tersedia jaringan internet. Hasil kalibrasi sensor meteorologi terhadap standar menunjukkan nilai R2 > 0.99. Data logger memproses seluruh task dengan metode Pipeline dan scan rate 19.7 detik/loop. Konsumsi daya sistem dalam 1 hari mencapai 117.67 Wh. Sistem yang dirancang mampu mengirimkan data per menit dengan persentase data terkirim ke server mencapai 99.9%. Hasil pengujian performa antara sistem yang dirancang dengan AWS dan IKRO menunjukkan hasil yang baik dengan nilai R2 > 0.94, sedangkan untuk DCS dan konvensional pada pengukuran suhu tanah menunjukkan nilai R2 > 0.90. 

---

The BMKG Climatology Station has the task of observing climate parameters to study the climatic conditions of an area. The climate parameters measured at least include temperature and humidity at an altitude of 1.2 m, 4 m, 7 m, and 10 m, wind direction and speed at an altitude of 4 m, 7 m, and 10 m, solar radiation, pressure, rainfall, and soil temperature at some depth. AWS and IKRO are automated tools used to measure climate parameters. The existence of these two systems is less effective and efficient and has not been used to measure all observations of climate parameters at the BMKG Climatology Station. The current system also often experiences measurement errors and problems with the completeness of the data received by the server. In addition, there is no automatic tool to measure soil temperature at several depths. This study aims to design a digitization system at a climatology station that can make observations of climate parameters automatically based on the internet. This system was designed using a single Campbell Scientific CR1000X data logger, an industrial-grade meteorological sensor, a power supply system, and a modem. Climate parameter data is sent every 1 minute using the MQTT protokol using an Amazon AWS IoT Core broker. On the client side, subscribe to the data to store it in the MySQL database and display it in the Grafana web browser. Climate parameter information can be accessed from anywhere and at any time as long as there is an internet connection. Meteorological sensor calibration results against standards show a value of R2 > 0.99. The data logger processes all tasks using the pipeline method at a scan rate of 19.7 seconds per loop. System power consumption in one day reached 117.67 Wh. The designed system is capable of sending data per minute, with the proportion of data sent to the server reaching 99.9%. The results of performance testing between systems designed with AWS and IKRO showed good results with R2 > 0.94, while DCS and conventional soil temperature measurements showed R2 > 0.90. "

"Penelitian ini berhasil mengembangkan dua permutasi baru, yaitu Modified-SATURNIN yang dihasilkan dari modifikasi permutasi pertama pada komponen supers-box, dan permutasi WSR berbasis block cipher SIMON-like. Kedua permutasi ini memiliki ketahanan yang baik terhadap kriptanalisis diferensial dan linier. Tiga fungsi hash ringan baru, yaitu ALIT-Hash, TJUILIK-Hash, dan WSR-Hash, diusulkan dalam penelitian ini. ALIT-Hash berbasis algoritma block cipher SATURNIN dan mode operasi Beetle. TJUILIK-Hash adalah fungsi hash berbasis Modified-SATURNIN dengan mode operasi Beetle. WSR-Hash menggunakan permutasi WSR dengan mode spons. Ketiga fungsi hash ini memiliki ketahanan yang baik terhadap serangan preimage, second preimage, dan collision. Hasil analisis keamanan menunjukkan bahwa fungsi hash yang diusulkan memiliki tingkat keamanan yang baik dalam hal kriptanalisis diferensial dan linear. Tingkat keamanan diferensial dari TJUILIK-Hash lebih baik daripada ALITHash karena perubahan pada s-box. Dalam uji kinerja, pada perangkat keras Arduino Mega2560 Rev. 3, ALIT-Hash dan TJUILIK-Hash menunjukkan kecepatan eksekusi yang sama untuk semua ukuran byte yang diuji, yaitu sebesar 0,1879-0,188 detik. Namun, keduanya masih kalah cepat dibandingkan dengan beberapa algoritma lain. WSR-Hash memiliki waktu eksekusi sebesar 0,2005 detik untuk data berukuran 1024 byte, 0,0304 detik untuk data berukuran 128 byte, dan 0,0091 detik untuk data berukuran 16 byte. Rerata waktu eksekusi dari ketiga ukuran data adalah 0,0800 detik. Pada perangkat lunak komputer personal 64-bit, ALIT-Hash dan TJUILIK-Hash menunjukkan performa yang cukup baik, meskipun memiliki waktu eksekusi yang lebih lambat. ALIT-Hash memiliki waktu eksekusi rerata 1,814 mikrodetik, sedangkan TJUILIK-Hash memiliki waktu eksekusi rerata 36,007 mikrodetik. WSR-Hash memiliki rerata waktu eksekusi 112,428 mikrodetik untuk 1024 byte, 128 byte, dan 16 byte. Rerata throughput WSR-Hash sebesar 20,243 bit/mikrodetik. Dalam simulasi pada Contiki-NG dan simulator Cooja, ALIT-Hash dan TJUILIK-Hash menunjukkan kinerja yang baik dibandingkan dengan beberapa fungsi hash yang dibandingkan. WSR-Hash juga memperlihatkan performa yang kompetitif dengan throughput sebesar 1.891,34 bit/detik, konsumsi energi sebesar 10,90 mJ, dan ukuran ROM dan RAM yang lebih kecil. Selain itu, ketiga fungsi hash yang diusulkan berhasil lulus pengujian keacakan kriptografis dengan p-value lebih besar dari 0,01. Uji keacakan NIST STS menunjukkan bahwa TJUILIK-Hash berhasil lulus semua pengujian, sedangkan ALIT-Hash hanya gagal dalam subuji overlapping template. WSRHash lulus 15 uji NIST STS. Oleh karena itu, penerapan fungsi hash yang diusulkan ini perlu dipertimbangkan untuk efektivitas biaya dan tingkat keamanannya yang tinggi, yang sangat penting untuk perangkat IoT dengan sumber daya terbatas.

---

This study successfully developed two new permutations: Modified-SATURNIN, which is a modification of the first permutation of the super s-box component, and WSR, which is based on the block cipher SIMON-like. Both permutations exhibit strong resistance against differential and linear cryptanalysis. This study proposes three new lightweight hash functions: ALIT-Hash, TJUILIK-Hash, and WSR-Hash. The Alit-Hash algorithm is derived from the block cipher Saturnin and utilizes the Beetle mode of operation. The hash function TJUILIK-Hash is derived from the Modified-SATURNIN algorithm and utilizes the Beetle operation mode. The WSR-Hash algorithm employs the WSR permutation in sponge mode. These three hash functions exhibit strong resistance against preimage, second preimage, and collision attacks. The security analysis indicates that the proposed hash function demonstrates a satisfactory level of security against differential and linear cryptanalysis techniques. The differential security level of TJUILIK-Hash surpasses that of ALIT-Hash due to modifications made to the s-box. Performance tests were conducted on the Arduino Mega2560 Rev. hardware. Both ALIT-Hash and TJUILIK-Hash exhibit consistent execution speeds across all tested byte sizes, averaging 0.1879-0.188 seconds. However, both algorithms are slower compared to specific other algorithms. The execution time of WSR-Hash is 0.2005 seconds for 1024 bytes, 0.0304 seconds for 128 bytes, and 0.0091 seconds for 16 data. The mean execution time for the three different data sizes is 0.0800 seconds. The ALIT-Hash and TJUILIK-Hash algorithms perform satisfactorily on 64-bit personal computer software, although their execution times are relatively slower. The average execution time of ALIT-Hash is 1.814 microseconds, whereas TJUILIK-Hash has an average execution time of 36.007 microseconds. The average execution time of WSR-Hash for 1024 bytes, 128 bytes, and 16 bytes is 112.428 microseconds. The mean throughput of WSR-Hash is 20.243bits/microseconds. In the simulation conducted on Contiki-NG and the Cooja simulator, the performance of ALIT-Hash and TJUILIK-Hash was superior to that of certain other hash functions. The WSR-Hash algorithm demonstrates competitive performance in terms of throughput (1,891.34 bits/sec), energy consumption (10.90 mJ), and smaller ROM and RAM sizes. Furthermore, the three hash functions under consideration have successfully passed the cryptographic randomness test, exhibiting a p-value exceeding 0.01. The NIST STS randomness test indicated that TJUILIK-Hash demonstrated successful performance across all tests, whereas ALIT-Hash only failed in the overlapping template subtest. The WSR-Hash algorithm successfully passed all 15 NIST STS tests. Hence, adopting these suggested hash functions is recommended due to their cost-effectiveness and robust security features, which are vital for IoT devices with limited resources."

"ABSTRAKMeningkatnya kasus ISPA di Indonesia pada bulan agustus 2019 menjadi dua kali lipat dibanding bulan-bulan sebelumnya ternyata sejalan dengan meningkatnya konsentrasi PM10 dan PM2.5. Akibatnya informasi kualitas udara semakin dibutuhkan oleh masyarakat namun keterbatasan alat membuat informasi kualitas udara yang dikeluarkan BMKG maupun Kementerian Lingkungan Hidup hanya meliputi beberapa titik saja. Oleh karena itu dibutuhkan alat pemantau kualitas udara yang low-cost dan dapat dipasang diberbagai titik agar data kualitas udara kedepannya semakin rapat serta menjamin tersedianya back up data saat alat utama mengalami gangguan. Pemanfaatan mikrokontroller arduino mega 2560 dan sensor laser dust ZH03A pembaca PM10 dan PM2.5 outdoor yang dapat diperoleh di pasaran adalah solusi alternatif tersedianya alat pengamatan kualitas udara yang dibutuhkan BMKG dan instansi terkait. Permasalahan selanjutnya mengenai bagaimana mendapatkan data secara online dan real-time diatasi dengan menggunakan prinsip Internet of Things. Alat yang dirancang juga dilengkapi dengan prediksi PM2.5 dan PM10 menggunakan prinsip jaringan syaraf tiruan. Penelitian ini menunjukkan bahwa sensor laser dust ZH03 memiliki korelasi sebesar 0.511 dan 0.877. Prediksi PM2.5 dan PM10 mampu ditampilkan melalui aplikasi dengan akurasi diatas 50%.

---

ABSTRACTThe increase of ARI cases in Indonesia in August 2019 has doubled compared to the previous months in line with the increasing concentration of PM10 and PM2.5. As a result, air quality information is increasingly needed by the public, but the limited means of making air quality information issued by BMKG and the Ministry of Environment only cover a few points. Therefore, we need a low-cost air quality monitoring tool that can be installed at various points so that air quality data in the future is getting tighter and guarantees the availability of back up data when the main equipment is interrupted. The use of arduino mega 2560 microcontroller and ZH03A laser dust sensor as PM10 and PM2.5 outdoor readers that can be obtained on the market is an alternative solution to the availability of air quality monitoring equipment needed by BMKG and related agencies. The next problem regarding how to get data online and in real-time is overcome by using the principle of the Internet of Things. The designed tool is also equipped with PM2.5 and PM10 predictions using the principle of artificial neural networks. This study shows that the ZH03 laser dust sensor has a correlation of 0.511 and 0.877. Prediction PM2.5 and PM10 can be displayed through the application with an accuracy above 50%."

"Budidaya ikan membutuhkan pemantauan parameter pH, suhu air, ketinggian air, dan kekeruhan air untuk memastikan keberlangsungan hidup dan kesehatan ikan serta menjaga tingkat stres ikan. Pada cuaca ekstrim, parameter air menjadi tidak terkendali, sehingga ikan berpotensi untuk sakit dan mati jika tidak ditangani dengan cepat. Jenis ikan yang berbeda membutuhkan nilai parameter yang berbeda juga, oleh karena itu dibutuhkan pengendalian parameter kualitas yang berkelanjutan untuk menjaga kualitas air sebagai tindakan preventif. Dalam skripsi ini didesain sistem untuk mengendalikan parameter kualitas air secara otomatis berbasis Internet of Things (IoT) dan sistem pemberian pakan ikan otomatis. Ikan lele sangkuriang digunakan sebagai objek penelitian selama satu bulan. Dari hasil uji coba didapatkan peningkatan massa ikan sebesar 4,55% dalam satu minggu untuk ikan yang dibudidayakan pada kolam yang terintegrasi sistem otomasi.

---

Fish cultivation requires monitoring pH, water temperature, water level, and water turbidity parameters to ensure fish’s survival and fish’s health also affect fish’s stress level. On an extreme weather, water parameters became uncontrollable, increasing fish’s stress level and giving potential for sickness dan death if not handled quickly. Different types of fish need different parameter value, therefore, a sustainable parameter quality control to maintain water quality is needed as a preventive action. In this final project, a system designed to control water quality automatically based on Internet of Things (IoT) and has an automatic feeding system. Sangkuriang catfish used as the research object for one month total duration. The result yields 4.55% fish’s mass increase in one week for fish cultivated in the automated system integrated pond."

"Pertambahan penduduk di daerah perkotaan merupakan salah satu alasan utamaterjadinya perubahan iklim lokal, dan berdampak besar pada daerah sekitarnya.Urbanisasi yang cepat dan daerah lahan terbuka yang digantikan oleh tutupan lahanbuatan yang berdampak negatif pada ekosistem yang mengakibatkan efek Urban HeatIsland (UHI). Hal tersebut berdampak merugikan pada lingkungan pemukiman danberimplikasi pada kesehatan manusia. Informasi indeks UHI yang akurat dapat sangatmembantu untuk mengambil strategi perencanaan kota yang efektif. Penelitian iniberkontribusi pada pengembangan sistem pemantauan suhu berbasis Internet of Thingsuntuk mendukung informasi indeks UHI. Sistem dirancang dengan menggunakan sensorsuhu DS18b20. Data dari sensor diolah oleh data logger dan dikirim ke servermenggunakan ESP8266. Sistem perancangan akan mengolah data dari sensor menjadiinformasi suhu perkotaan dan pedesaan serta indeks UHI. Selain itu, pendekatan LongShort Term Memory yang dihadirkan dalam penelitian ini diharapkan dapat bergunauntuk memprediksi indeks UHI dengan lebih akurat untuk mengantisipasi dampakpeningkatan indeks UHI. Hasil kalibrasi sensor suhu menunjukkan nilai koreksi pada setpoint 0 °C ,10 °C, 20 °C , 30 °C dan 40 °C sebesar 0,216 °C, 0,201 °C, -0,295 °C, -0,188°C dan -0,167 °C untuk sensor di daerah urban dan sensor yang dipasang di daerah ruralmemiliki nilai koreksi pada set point tersebut sebesar 0,116 °C, 0,267 °C, 0,165 °C, 0,294°C dan 0,211 °C . Hasil prediksi menunjukkan nilai MAE sebesar 0,55, RMSE sebesar0,78 dan akurasi sebesar 68,33%. Hasil penelitian ini menunjukkan sistem dapatdiimplementasikan sebagai alternatif untuk membantu dalam analisis UHI yang berbasisInternet of Things.Population growth in urban areas is one of the main reasons for local climate change, andhas a major impact on the surrounding area. Rapid urbanization and areas of open landreplaced by artificial land cover have a negative impact on the ecosystem resulting in theUrban Heat Island (UHI) effect. This has a detrimental impact on the residentialenvironment and has implications for human health. Accurate UHI index information canbe very helpful for adopting an effective urban planning strategy. This researchcontributes to the development of a temperature monitoring system based on the Internetof Things to support the UHI index information. The system is designed using theDS18b20 temperature sensor. The data from the sensor is processed by the data loggerand sent to the server using the ESP8266. The design system will process data fromsensors into urban and rural temperature information as well as the UHI index. Inaddition, the Long Short Term Memory approach presented in this study is expected tobe useful in predicting the UHI index more accurately to anticipate the impact ofincreasing the UHI index. The results of the temperature sensor calibration show acorrection value at set point 0 °C, 10 °C, 20 °C, 30 °C and 40 °C of 0.216 °C, 0.201 °C,-0.295 °C, -0.188 °C and -0.167 °C for sensors in urban areas and sensors installed inrural areas have correction values at the set point of 0.116 °C, 0.267 °C, 0.165 °C, 0.294°C and 0.211 °C . The prediction results show that the MAE value is 0.55, the RMSEvalue is 0.78 and the accuration is 68,33%. The results of this study indicate that thesystem can be implemented as an alternative to assist in the analysis of UHI based on theInternet of Things."

"Pandemi COVID-19 sejak tahun 2020 menyebabkan transofrmasi digital secara masif yang terjadi, Tantangan keamanan yang perlu diatasi berasal dari sifat keterbukaan media nirkabel yang menjadi media komunikasi utama di IoT. Hal tersebut menyebabkan besarnya kerugian yang disebabkan kejahatan siber. Kepolisian Republik Indonesia lewat Direktorat Tindak Pidana Siber diharapkan memiliki peran pencegahan dalam melakukan giat pengawasan terhadap serangan-serangan ini, dimana Dittipidsiber belum memiliki fungsi pencegahan serangan siber. Sistem Pendeteksi Intrusi (Intrusion Detection System) atau lebih dikenal sebagai IDS, merupakan salah satu sistem yang dapat memantau serang siber ini, di mana memanfaatkan kecerdasan buatan untuk dapat memisahkan antara serangan siber dan bukan serangan. Pada penelitian ini, akan dihasilkan model pemolisian berbasis machine learning untuk pendeteksian serangan siber pada jaringan Wi-fi dan IoT. Model tersebut melakukan perekaman data jaringan, kemudian data tersebut dilakukan analisa IDS sehingga dapat ditampilkan di command room, yang kemudian ketika adanya indikasi serangan dapat dilakukan penindakan dengan cepat. Dilakukan simulasi dan analisis terhadap berbagai metode seleksi fitur dan model klasifikasi untuk menghasilkan IDS yang baik. Penelitian ini menggunakan dataset publik berisi serangan siber terhadap jaringan Wi-Fi. Dari hasil eksperimen, didapatkan bahwa metode terbaik untuk pengurangan fitur adalah mutual information dengan fitur berjumlah 20, dan metode untuk klasifikasi serangan adalah Neural Network, menghasilkan F-Score sebesar 94% dengan waktu yang dibuthkan 95 detik. Hasil ini menunjukkan IDS yang diusulkan memiliki kemampuan untuk mendeteksi serangan dengan cepat dan hasil deteksi yang sama bagus dengan penelitian sebelumnya.

---

Since 2020, the Covid-19 pandemic has caused massive digital transformation. Security challenges needed to be overcome is based on the nature of wireless media which is the main communication medium in IoT (Internet of Things). Such condition generates huge loss caused by cybercrime attacks. Indonesian National Police through Directorate of Cyber Crime (Dittipidsiber) is expected to have preventive roles in supervising these attacks, where Dittipidsiber has not had a cyber-attack prevention function. The Intrusion Detection System (IDS) is a system that can identify these cyber-attacks, utilizing artificial intelligence to be able to separate between cyber-attacks and non-attacks. In this study, a machine learning-based policing model will be generated for detecting cyber-attacks on Wi-Fi and IoT networks. The model records network data that will be analysed by IDS so that it can be displayed in the command room. After that, any indications of attacks can be identified quickly. The author performs the simulations and analyses various feature selection methods and classification models in order to produce a good IDS. The study employs a public dataset containing cyber-attacks against Wi-Fi networks. Based the experimental results, it is found that the best method for reducing features is mutual information using twenty features and the method for classifying attacks is Neural Network, resulting F-Score of 94% with a time required of 95 seconds. These results indicate that the proposed IDS have the ability to detect attacks quickly and the detection results are the same as previous studies."

"ABSTRAKEksperimen merupakan suatu tahapan belajar yang bertujuan untuk melengkapi proses pembelajaran dikelas. Pada beberapa institusi pendidikan, eksperimen tidak terfasilitasi dengan baik, kurangnya jumlah alat, staff perawatan, serta ruang dan waktu menjadi masalah utama dalam pelaksanaan proses belajar ini. Pembuatan suatu modul eksperimen yang bersifat remote diharapkan dapat mengatasi hal tersebut. Modul eksperimen ini dibangun dengan menjalankan Raspberry Pi sebagai sebuah Server Web sekaligus media menjalankan program eksperimen. Pembuatan Server Web dilakukan menggunakan Nodejs sedangkan pembangunan laman web dibangun dengan bootsrap. Modul eksperimen yang dibangun mengambil studi kasus eksperimen difraksi celah banyak, dengan memvariasikan jarak melalui antarmuka website kita dapat mengamati perubahan pola difraksi yang muncul pada layar pengamatan.

---

ABSTRACTExperiment is a learning phase that aims to be a complementary learning process that has been done in class. In some educational institutions, experiments are not well facilitated. The main problem in the implementation of this learning process is the lack of tools, maintenance staff, and space and time. The development of a remote experimental module is expected to overcome this. This experiment module is built by running Raspberry Pi as a Web Server as well as a medium running an experimental program. Web Server Development is done using Nodejs while web page development is built with bootsrap. The experimental module constructed takes the case study of diffraction grating experiments, by varying the distance through the website interface we can observe changes in the diffraction patterns that appear on the observation screen."