DETEKSI DINI BANJIR MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (ANN) BERBASIS INTERNET OF THINGS (IoT)

Banjir merupakan bencana yang sering terjadi di Indonesia dan berdampak besar
bagi wilayah rawan seperti Kelurahan Rawa Makmur, Kota Bengkulu. Untuk
mendukung mitigasi bencana, penelitian ini mengembangkan model prediksi
ketinggian muka air sungai menggunakan Artificial Neural Network (ANN) dengan
algoritma Bayesian Regularization. Model menggunakan arsitektur satu hidden
layer berisi 60 neuron dan dilatih dengan 297 data historis yang mencakup empat
variabel input curah hujan UNIB, curah hujan Taba Penanjung, suhu, dan
kelembaban serta satu output berupa ketinggian muka air Sungai Rawa Makmur.
Hasil pelatihan menunjukkan bahwa ANN mampu mempelajari hubungan nonlinier
antar variabel klimatologis dan hidrologis secara baik. Model memberikan
performa prediksi tinggi pada data uji, dengan RMSE 0,7214 dan koefisien korelasi
Pearson (r) sebesar 0,962, yang menandakan kesalahan rendah dan korelasi sangat
kuat antara nilai prediksi dan data aktual. Berdasarkan distribusi data validasi,
sistem menetapkan ambang batas otomatis 30,1131 cm sebagai indikator awal
potensi banjir. Nilai ini digunakan untuk mengelompokkan hasil prediksi menjadi
tiga kategori: aman, siaga, dan bahaya. Untuk implementasi praktis, hasil prediksi
dikirim melalui Telegram Bot, yang kemudian meneruskan kategori peringatan ke
perangkat IoT berbasis ESP32. Perangkat ini berfungsi sebagai penerima instruksi
dan pengaktif buzzer sesuai kategori. Kombinasi ANN dan ESP32 menghasilkan
sistem peringatan dini yang sederhana, murah, dan efektif untuk membantu
masyarakat Rawa Makmur memperoleh informasi potensi banjir secara cepat.
Kata kunci: Artificial Neural Network (ANN), Bayesian Regularization, Prediksi
Ketinggian Air, Banjir, IoT, ESP32, Telegram Bot, Rawamakmur, Curah Hujan,
Sistem Peringatan Dini.