Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kabupaten Sidoarjo tersusun oleh batuan sedimen, klastik, epiklastik, piroklastik, dan aluvium. Alluvium adalah fitur geologis yang rentan terhadap efek gempa bumi. Untuk meminimalkan dampak bencana, desain bangunan harus sesuai dengan kondisi tanah yang dinamis dan lokal. Penelitian ini bertujuan untuk mempertimbangkan kecepatan gelombang geser rata-rata hingga kedalaman 30 m (Vs30) di Sidoarjo menggunakan inversi HVSR. Data Mikrotermor pada 40 titik dianalisis menggunakan metode HVSR. Hasil analisis HVSR kemudian dilakukan dengan inversi dengan prinsip pemodelan ke depan untuk mendapatkan Vs30 dari setiap titik pengukuran. Hasil penelitian menunjukkan 100-480 m/s. Daerah dengan Vs30 lebih rendah dan tebal dominan berada di letusan porong Lumpur Sidoarjo (LUSI) dan di candi. Ketebalan lapisan dengan Vs30 rendah semakin menipis ke arah selatan dan barat daya.

---

Sidoarjo district is composed by sedimentary clastic, epiclastic, pyroclastic and alluvium rocks. Alluvium is a geological feature that is susceptible to earthquake effects. In order to minimize the disaster impact, design of the building should has to the dynamic and local soil condition. This study aimed to consider shear wave velocity at the average down to 30 m depth (Vs30) in Sidoarjo using HVSR inversion. Microtermor data at 40 points were analyzed using the HVSR method. The result of HVSR analysis is then carried out by inversion with the forward modeling principle to obtain Vs30 of each measurement point. The study results show 100-480 m/s. Areas with lower Vs30 and dominant thick were in the eruption of Lumpur Sidoarjos (LUSI) porong and in candi. The thickness of the layer with low Vs30 increasingly thinning towards the south and south west."

"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."

"Analisis kualitas udara penting untuk pengetahuan bagi masyarakat Depok. Parameter udara ambien terbesar adalah Karbon Monoksida (CO) dan Nitrogen Dioksida (NO2). Aktivitas transportasi darat adalah salah satu penyebab terbesar penurunan kualitas udara ambien di kota Depok. Penelitian ini dilakukan di jalan Margonda Raya. Dalam penelitian ini, komponen yang digunakan adalah Mikrokontroler Arduino Mega 2560, Sensor Suhu dan Kelembaban SHT11, Sensor Gas CO MQ-7, Sensor Gas NO2MQ-135, Modul Wifi ESP8266, Sensor Arah dan Kecepatan Angin JL-FS2. Hasil uji Sensor MQ-7 dan MQ-135 menunjukkan nilai hubungan yang sangat kuat dengan nilai R2 = 0,9906 untuk MQ-7 dan R2 = 0,9988 untuk MQ-135. nilai ini mendekati nilai R2 = 1, sehingga nilai ini dapat dianggap baik dan benar. Dapat disimpulkan bahwa dari hasil pengujian sensor layak untuk dioperasikan. Data dari alat yang dirancang kemudian akan ditampilkan di web. Kondisi udara konsentrasi polutan CO dan NO2 yang terukur di Jalan Margonda Raya Depok memiliki kisaran nilai yang masih memenuhi Baku Mutu Ambien Nasional. Hasil pengukurannya adalah hasil pengukurannya adalah Gedung Multidisiplin FMIPA UI: konsentrasi polutan CO sebesar 189 μg/Nm3, konsentrasi polutan NO2 sebesar 213 μg/Nm3. Lokasi I Margonda Raya: konsentrasi polutan CO sebesar 148 μg/Nm3, konsentrasi polutan NO2 sebesar 158 ug/Nm3. Lokasi II Margonda Raya: konsentrasi polutan CO sebesar 199 μg/Nm3, konsentrasi polutan NO2 sebesar 225 ug/Nm3.

---

Analysis of air quality is important for knowledge for the people of Depok. The biggest ambient air parameters are Carbon Monoxide (CO) and Nitrogen Dioxide (NO2). Land transportation activities are one of the biggest causes of decreasing ambient air quality in the city of Depok. This research was conducted on the Margonda Raya road. In this research, the components used are Arduino Mega 2560 Microcontroller, SHT11 Temperature and Humidity Sensor, CO MQ-7 Gas Sensor, NO2 MQ-135 Gas Sensor, Wifi Module ESP8266, Direction and Wind Speed Sensor JL-FS2. The MQ-7 and MQ-135 Sensor test results produce a very strong value with a value of R2 = 0.9906 for MQ-7 and R2 = 0.9988 for MQ-135. This value returns the value R2 = 1, so this value can be considered good and right. It can be concluded from the results of testing the sensor is feasible to operate. Data from the designed tool will then be compiled on the web. Measured CO and NO2 pollutant air conditions on Jalan Margonda Raya Depok have a range of values that still meet the National Ambient Quality Standard. The measurement results are the results of measurements are the FMIPA UI Multidisciplinary Building: CO pollutant concentration of 189 μg/Nm3, NO2 pollutant concentration of 213 μg/Nm3. Location I Margonda Raya: CO pollutant concentration of 148 μg/Nm3, NO2 pollutant concentration of 158 μg/Nm3. Location II Margonda Raya: CO pollutant concentration of 199 μg/Nm3, NO2 pollutant concentration of 225 μg/Nm3."

"Salah satu zat pencemar yang cukup banyak dihasilkan oleh kegiatan antropogenik adalah partikulat (Particulate Matter/PM). Pencemar partikulat apabila terhirup dalam jumlah banyak dalam waktu yang lama dapat menyebabkan kerusakan fungsi organ pernapasan. Faktor penting yang mempengaruhi konsentrasi partikulat yakni partikulat sumber emisi domestik, sumber emisi eksternal dan kondisi meteorologi seperti suhu, kelembaban relatif, arah dan kecepatan angin. Penelitian ini bertujuan mendesain sistem pemantauan digital PM10 dan PM2.5 berbasis IoT yang terintegrasi dengan parameter suhu, kelembaban, arah dan kecepatan angin. Desain sistem ini terdiri dari perangkat keras sensor partikulat ZH03A, sensor suhu dan kelembabab SHT11, dan sensor kecepatan dan aran angin JL-FS2. Data diproses pada mikrokontroler berbasis ATMega2560 dan kemudian dikirim ke server menggunakan internet sehingga dapat ditampilkan di situs web secara real time. Setiap sensor dilakukan proses kalibrasi dan komparasi dengan alat standar dimana hasil yang didapatkan memiliki nilai koreksi sesuai standar dan dilakukan proses regresi linier agar data yang dihasilkan akurat. Pengukuran PM10 dan PM2.5 telah dilakukan di lima titik pengamatan daerah Jabodetabek dalam rentang waktu yang berbeda beda. Hasil dari penelitian ini menunjukkan dari lima titk pengamatan data PM10 dan PM2.5 memiliki hubungan dengan data suhu dan kelembaban dimana termasuk dalam korelasi sedang dimana korelasi rata rata didapat yaitu sebesar 0,5. Pengolahan data Arah dan Kecepatan Angin dengan data PM10 dan PM2.5 diolah menggunakan WindRose dan PollutantRosemenunjukkan bahwa sebaran polusi di udara serta dipengaruhi oleh topografi dan permukaan bangunan.

---

One of the pollutants that is quite a lot produced by anthropogenic activities is Particulate (PM). These activities will produce particulates that have an impact on the decline in air quality in an area. The distribution of PM in the air is influenced by the condition of pollutant sources and by the physical and chemical processes of these pollutants in the atmosphere. This pollutant will be carried by the wind and will accumulate at the destination of the wind direction. Particulate pollutants if inhaled in large quantities for a long time can cause damage to respiratory organ function. Important factors that influence particulate concentrations are domestic emission sources, external emission sources and meteorological conditions such as temperature, relative humidity, wind direction and speed. This study aims to design an IoT-based PM10 and PM2.5 digital monitoring system that is integrated with temperature, humidity, direction and wind speed parameters. The design of this system consists of ZH03A particulate sensor hardware, SHT11 temperature and humidity sensor, and JLFS2 wind speed and flow sensor. Data is processed on an ATMega2560-based microcontroller and then sent to the server using the internet so that it can be displayed on the website in real time. This device will be tested by calibration and comparison methods with standard and operational tools. With this air quality monitoring tool can be an alternative for monitoring air quality and analyzing the influence of meteorological factors on the concentration of PM10 and PM2.5 particulates in the city of Depok."

"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%."

"ABSTRAKKondisi cuaca merupakan faktor yang signifikan untuk berbagai sektor seperti keselamatan transportasi, pembangunan, kesehatan dan lain-lain oleh karena itu dibutuhkan akurasi yang tinggi dalam melakukan peramalan keadaan cuaca kedepannya. Banyak cara yang digunakan untuk memprakirakan kondisi cuaca, seiring berkembangnya teknologi, prakiraan Hujan dapat dilakukan dengan menggunakan teknologi Artificial Intelligence (AI) atau kecerdasan buatan sehingga hasil yang diperoleh lebih optimal. Dalam penelitian ini, jaringan saraf tiruan yang digunakan memiliki algoritma feedforward neural network dengan data pelatihan berupa suhu, tekanan udara, kelembaban udara, titik embun, kecepatan angin tiap 3 (tiga) jam di Stasiun pengamatan BMKG di Jawa Timur dari tahun 2019 dengan target adalah intensitas curah hujan. Data pelatihan dilakukan pada periode 1 Januari 2019 sampai 28 Februari 2019 dan selanjutnya, data diuji pada periode 1 sampai 31 Maret 2019. Berdasarkan hasil analisis, model Jaringan Saraf Tiruan memiliki performa yang cukup baik dalam prakiraan intensitas curah hujan di Jawa Timur. Model terbaik ditunjukkan oleh model dengan arsitektur 7-60-1 dengan tingkat korelasi yang dihasilkan sebesar 0,87 dengan nilai error sebesar -0.03 serta akurasi 76 persen dengan lokasi penelitian di Stasiun Meteorologi Bawean. Dengan adanya model ini, diharapkan dapat menjadi salah satu pertimbangan forecaster dalam membuat prakiraan hujan khususnya prakiraan jangka pendek dengan interval tiap 3 (tiga) jam.

---

ABSTRACTWeather conditions are a significant factor for various sectors such as transportation safety, development, health, etc. Therefore, high accuracy is needed in forecasting future weather conditions. Many methods are used to predict weather conditions, as technology develops, Rain forecast can be made using Artificial Intelligence (AI) technology so that the results obtained are more optimal. In this study, the artificial neural network used has a feedforward neural network algorithm with training data in the form of temperature, air pressure, humidity, dew point, wind speed every 3 (three) hours at the BMKG observation station in East Java from 2019 with the target being rainfall intensity. The training data was conducted in the period January 1 2019 to February 28 2019 and subsequently, the data were tested in the period 1 to 31 March 2019. Based on the results of the analysis, the Artificial Neural Network model performed reasonably well in the forecast of rainfall intensity in East Java. The best model is shown by a model with 7-60-1 architecture with a resulting correlation level of 0,87 with an error value of -0.03 and an accuracy of 76 percent with the research location at the Bawean Meteorological Station. With this model, it is expected to become one of the forecaster considerations in making rain forecasts, especially short-term forecasts at intervals of every 3 (three) hours."

"ABSTRAKPosisi geografis kepulauan Indonesia yang berada di daerah tropis merupakan wilayah yang mempunyai kepadatan sambaran petir yang cukup tinggi. Data petir merupakan hal penting dalam mendukung pembangunan suatu wilayah terkait keselamatan manusia, infrastruktur, sarana umum dan mitigasi bencana alam. Pengamatan petir termasuk dalam salah satu parameter geofisika potensial yang diamati oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG) dengan alat deteksi petir Lightning Detector Boltek Storm Tracker. Penelitian ini bertujuan untuk integrasi data petir dengan prinsip multistation dari hasil pengamatan 11 sensor yang berada di Pulau Jawa. Integrasi data petir dengan prinsip multistation adalah teknik yang akurat dalam penentuan lokasi sambaran petir dengan menggunakan machine learning algoritme Ordering Points to Identify the Clustering Structure (OPTICS). Integrasi data petir dengan klasterisasi menggunakan parameter input nilai MinPts 5 dan Epsilon 0,5 diperoleh nilai SSE yang mendekati 0 menandakan bahwa model klaster mempunyai komponen kesalahan acak kecil. Rata-rata nilai SSE sebesar 0,258. Data petir yang valid dan terintegrasi dimanfaatkan untuk analisis pemetaan informasi daerah rawan petir yang ditampilkan dalam bentuk dashboard website.

---

ABSTRACTThe geographical position of the Indonesian archipelago is located in the tropics is a region that has a density high enough to lightning strikes. Lightning data is important in supporting regional development related human safety, infrastructure, public facilities and mitigation of natural disasters. Lightning observations are included in one of the potential geophysical parameters observed by the Climatology and Geophysics Meteorological Agency (BMKG) with Lightning Detector Boltek Storm Tracker Lightning Detector. This study aims at the integration of lightning data with the principles of observation multistation 11 sensors are located in Java. The integration of lightning data with the principle of multistation is an accurate technique in determining the location of lightning strikes using the machine learning algorithm Ordering Points to Identify the Clustering Structure (OPTICS). The integration of lightning data by clustering using input parameter values ​​5 and Epsilon 0.5 MinPts obtained SSE value close to 0 indicates that the model has a cluster of small random error component. The average SSE value is 0.258. Lightning data valid and integrated mapping used for the analysis of the information displayed lightning vurnerability areas in the form of dashboards website."

"ABSTRAKBadan Meteorologi Klimatologi dan Geofisika (BMKG) memiliki tugas pengamatan terhadap magnet bumi yang tersebar di Indonesia. Sensor magnetik bumi BMKG menghasilkan output data real-time. Penelitian ini berfokus pada model predictive maintenance pada sensor magnetik bumi berdasarkan output data sensor. Output data yang dihasilkan adalah dalam bentuk format delimited-space sehingga mudah untuk diproses. Komponen magnetik yang digunakan dalam penelitian ini adalah data komponen total magnet bumi (F) dari sensor. Pemrosesan data menggunakan bahasa pemograman python dan algoritma yang digunakan adalah metode random forest regression dengan membandingkan perbedaan nilai yang dihasilkan dengan data Indoesian Geomagnetic Maps for Epoch 2015.0 untuk kemudian dibuatkan model prediksi terhadap waktu. Proses tersebut digunakan untuk mengetahui apakah data yang dihasilkan masih dalam toleransi atau tidak. Tahapan dalam penelitian ini mulai dari pengumpulan data, pre-processing data, pembuatan model, hingga pengujian model dan validasi terhadap model. Penelitian ini menghasilkan estimasi waktu pemeliharan sebesar 14 hari pada data baseline nilai F dan sebesar 3 hari pada data delta F (ΔF).

---

ABSTRACTThe Meteorological, Climatological, and Geophysical Agency (BMKG) has the task of observing the earth magnets spread across Indonesia. Earth magnetic sensor of BMKG delivers real-time data output. The study focuses on the predictive maintenance model on the earth's magnetic sensor based on sensor data output. The resulting data output is in the form of delimited-space format so it is easy to process. The magnetic component used in this study is data on the earth's total magnetic component (F) from the sensor. Data processing uses python programming language and the algorithm used is a random forest regression method by comparing the value difference generated with the Indoesian Geomagnetic Maps for Epoch 2015.0 data for later created predictive models against time. The process is used to determine whether the resulting data is still in tolerance or not. The stages in this study range from data collection, pre-processing data, create model, model testing, and model validation. The study resulted in a 14-day maintenance time estimate of the baseline data F-value and 3-day in the delta F (ΔF) data."

"ABSTRAKPetir merupakan fenomena alam yang bersifat desruktif yang dapat membahayakan kehidupan makhluk hidup. Data pemetaan petir sangat dibutuhkan oleh perusahaan asuransi untuk membuktikan bahwa lokasi tersebut tersambar petir. Data pemetaan petir tersebut diperoleh dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) dari perangkat Lightning Detector yang terbatas dan relatif mahal harganya. Oleh karena itu penelitian ini bertujuan untuk membuat sebuah sistem yang dapat mendeteksi lokasi petir dengan bermodalkan smartphone android dengan metode trilateration. Prinsip kerja sistem ini dimulai dari perangkat android yang merekam gelombang elektromagnetik dan suara guntur yang dihasilkan petir. Sistem pengenalan suara petir berbasis Convolutional Neural Network (CNN) digunakan dalam sistem yang dibangun. Selanjutnya data lokasi (lintang dan bujur) dari Global Positioning System (GPS) akan dikirim ke server untuk dihitung sehingga mendapatkan nilai jarak antara dari lokasi petir dan lokasi perangkat android. Beberapa perangkat android (minimal tiga perangkat) akan menghasilkan titik perpotongan dengan metode trilateration. Titik perpotongan tersebut dapat diasumsikan lokasi petir.

---

ABSTRACTLightning is a destructive natural phenomenon in nature that can endanger the lives. Lightning mapping data is needed by insurance companies to prove that the location was struck by lightning. The lightning mapping data was obtained from the Meteorology, Climatology and Geophysics Agency (BMKG) from the Lightning Detector device which was limited and relatively expensive. Therefore, this study aims to create a system that can map the distribution of lightning with an android smartphone using the trilateration method. The working principle of this system starts from an android device that records electromagnetic waves and the sound of thunder generated by lightning. The lightning voice recognition system based on the Convolutional Neural Network (CNN) is used in the built system. Then the location data (latitude and longitude) from the Global Positioning System (GPS) will be sent to the server to be calculated so that the distance between the location of the lightning and the location of the android device is obtained. Some android devices (at least three devices) will generate the intersection point by the trilateration method. The point of intersection can be assumed to be the location of the lightning."

"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. "