| dc.description.abstract | Indonesia merupakan negara kepulauan yang memiliki perairan yang sangat luas. Hal itu merupakan potensi sumber daya alam yang dapat dimanfaatkan untuk menumbuhkan perekonomian bangsa terutama dari para nelayan. Mengetahui kondisi perairan merupakan syarat utama bagi nelayan untuk melaut. Oleh sebab itu para nelayan membutuhkan sebuah peralatan keamanan untuk melaut, salah satunya alat yang dapat memberikan informasi kondisi cuaca perairan laut saat itu. Penelitian yang dilakukan ditujukan untuk menghasilkan sensor DHT22 dan anemometer yang dapat memberikan sistem informasi kelayakan pelayaran, selain itu juga ditujukan untuk menghasilkan neural network yang dapat menentukan ketinggian gelombang berdasarkan kecepatan angin yang meunjang untuk memberikan informasi kelayakan pelayaran. Alat dibuat di laboratorium sistem kendali menggunakan casis pipa ukuran ½ dim, casis ini ditujukan untuk menempatkan empat sensor yaitu sensor anemometer untuk mengukur kecepatan angin, sensor DHT22 untuk mengukur suhu dan kelembaban, sensor hujan dan sensor LDR untuk menentukan cuaca. Alat ini diuji di mercusuar pantai Puger, Jember dengan pengujian dilakukan pada saat terjadinya angin muson barat selama dua hari saat terjadinya angin laut. Dari hasil penelitian yang dilakukan anemometer memiliki rata-rata error persen sebesar 2.37%, sensor DHT22 memiliki error persen sebesar 1,42% untuk pengukuran suhu dan 1,1% untuk pengukuran kelembaban. Pada pengujian cuaca didapatkan pada saat nilai ADC sensor hujan kurang dari 600 maka akan mendeteksi hujan dan pada saat ADC sensor hujan lebih dari 600 dan ADC pada LDR kurang dari samadengan 600 maka akan mendeteksi cuaca berawan dan saat LDR dengan ADC lebih dari 600 maka akan mendeteksi cuaca cerah. Penentuan ketinggian gelombang didasarkan pada konversi nilai kecepatan angin dengan cara menghitung fetch atau jarak angin pembangkit gelombang. Dikarenakan arah angin yang dapat berubah -ubah arah maka dicari nilai fetch rerata efektif dengan cara mengukur jarak fetch sejaur 6o sampai dengan 42o pada kedua sisi dari fetch dengan angin paling dominan. Untuk meramalkan ketinggian gelombang maka digunakan neural network dan didapatkan pada training sebesar 70% sampel diketahui nilai mean square error sebesar 4,44231 x 10-9, validation sebesar 15% sampel diketahui nilai mean square error sebesar 1,06208 x 10-9, dan testing sebesar 15% sampel didapatkan nilai mean square error sebesar 1,38454 x 10-9. Dari pengujian neural network yang dilakukan, alat yang dibuat dapat meramalkan ketinggian gelombang berdasarkan kecepatan angin, dimana ketinggian gelombang berbanding lurus dengan kecepatan angin. | en_US |
