Implementasi Prediksi Autoregressive Integrated Moving Average untuk Sistem Peringatan Dini Pemantauan Sedimen Berbasis IoT

Abstract

Sedimentasi yang terjadi secara terus-menerus di wilayah perairan seperti muara dan pelabuhan dapat mengganggu aktivitas pelayaran serta mempercepat pendangkalan. Penumpukan sedimen ini berisiko menghambat pergerakan kapal dan meningkatkan kemungkinan kecelakaan. Oleh karena itu, diperlukan sistem yang mampu memantau kondisi sedimen secara real-time serta memberikan peringatan dini apabila terjadi perubahan signifikan. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pemantauan kondisi sedimen berbasis Internet of Things (IoT) yang dilengkapi fitur prediksi menggunakan metode Autoregressive Integrated Moving Average (ARIMA). Sistem ini menggunakan sensor echosounder untuk mengukur kedalaman, sensor arus laut, serta sensor pengukur tinggi muka air laut. Data dari sensor dikirim secara otomatis ke platform berbasis website dan ditampilkan dalam bentuk grafik interaktif. Model ARIMA dibangun berdasarkan data deret waktu kedalaman laut yang diperoleh dari sensor. Evaluasi dilakukan dengan membandingkan hasil prediksi dengan data aktual pada periode pengujian. Hasil menunjukkan bahwa model ARIMA mampu menangkap pola umum data historis dan memberikan prediksi yang cukup akurat dalam kondisi yang stabil. Nilai Mean Absolute Error (MAE) sebesar 17,81 meter dan Mean Absolute Percentage Error (MAPE) sebesar 0,88% menunjukkan tingkat kesalahan yang rendah. Kesimpulannya, sistem ini efektif untuk memantau dan memprediksi kondisi sedimen, serta dapat digunakan sebagai dasar pengambilan keputusan dalam menentukan waktu pengerukan yang optimal. Solusi ini diharapkan dapat meningkatkan efisiensi operasional dan menjaga kelancaran aktivitas pelabuhan.