Jurnal Elkomika (May 2020)

Implementasi Moving Average Filter untuk Koreksi Kesalahan Sensor Pengukur Kedalaman Air

  • UTTI MARINA RIFANTI,
  • HERRYAWAN PUJIHARSONO,
  • ANDRI SETIAWAN,
  • JANS HENDRY

DOI
https://doi.org/10.26760/elkomika.v8i2.432
Journal volume & issue
Vol. 8, no. 2

Abstract

Read online

ABSTRAK Aspek utama yang membedakan sensor satu dengan yang lainnya adalah tingkat akurasinya. Pada penelitian ini, dibuat sistem untuk menurunkan tingkat deviasi untuk meminimalisir kesalahan hasil pengukuran pada sensor berbiaya murah. Sensor yang digunakan adalah sensor tekanan udara BMP180. Sensor tersebut digunakan untuk mengukur kedalaman berdasarkan tekanan udara dalam air. Moving Average Filter (MAF) digunakan untuk membuang pencilan data, sehingga didapatkan data yang lebih relevan yang kemudian digunakan untuk melakukan curve fitting. Kemudian dilakukan analisis regresi linear untuk menghasilkan persamaan yang berfungsi sebagai pengoreksi data terekam dari sensor tersebut. Pengujian sistem dilakukan melalui beberapa skenario lalu diambil persamaan yang menghasilkan nilai Mean Square Error (MSE) yang paling kecil. Berdasarkan hasil penelitian, diperoleh kesimpulan bahwa MAF mampu meningkatkan akurasi data hingga mencapai 99.12%. Kata kunci: sensor BMP180, koreksi kesalahan, regresi linear, moving average filter, mean square error ABSTRACT The main aspect that distinguishes sensors from one another is the level of accuracy. In this study, a system was developed to reduce the level of deviation to minimize the measurement error on low-cost sensors. The sensor used is the air pressure sensor, BMP180. Then this sensor is used to measure water depth based on air pressure in water. The Moving Average Filter (MAF) method is used to get rid of outliers of data, to obtain more relevant data for curve fitting. Then a linear regression analysis is performed to produce a function as a correction of recorded data from the sensor. System testing is carried out through a number of scenarios and then the equation is chosen with the smallest Mean Square Error (MSE). Based on this research, MAF increases data accuracy up to 99.12%. Keywords: sensor BMP180, error correction, linear regression, moving average filter, mean square error

Keywords