JURNAL ELTEK
Vol.
No.
Oktober 2025, hal.
p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 DOI: 10.
33795/eltek.
Optimasi sistem deteksi kebocoran pipa distribusi air bersih secara real-time menggunakan LoRa Ebyte E220-400T22D dan visualisasi webserver Isa Mahfudi1.
Muhammad Syirajuddin S.
Rifqi Ihza Syahputra3.
Dhava Wirayuda4 e-mail: isa_mahfudi@polinema.
id, 2syirajuddin@polinema.
id, 3rifqiihzasyahputra@gmail.
daffawirayuda128@gmail.
1,2,3,4Jurusan Teknik Elektro.
Politeknik Negeri Malang.
Indonesia
Informasi Artikel
ABSTRAK
Riwayat Artikel Kebocoran pada jaringan distribusi air bersih menjadi salah satu penyebab utama tingginya angka non-revenue water (NRW), yang berdampak pada kerugian finansial dan inefisiensi distribusi.
Penelitian ini mengembangkan sistem deteksi kebocoran pipa berbasis fusi sensor .
lowmeter dan pressure transmitte.
yang diintegrasikan dengan modul komunikasi LoRa Ebyte E220400T22D.
Sistem dirancang menggunakan mikrokontroler ESP32 sebagai pusat pemrosesan, katup solenoid sebagai aktuator, serta web server sebagai media pemantauan real-time.
Algoritma fusi sensor menggabungkan data debit dan tekanan untuk meningkatkan akurasi deteksi serta mengurangi false Hasil kalibrasi menunjukkan rata-rata galat sensor A2%, masih dalam batas toleransi standar (<5%).
Pengujian sistem pada kondisi normal memperlihatkan selisih debit dan tekanan yang sangat kecil (<1%), sehingga dikategorikan normal.
Pada skenario kebocoran sisi pelanggan, sistem mengklasifikasikan tiga kondisi, yaitu normal .
, mencurigakan .
,5 m.
, dan terindikasi kebocoran (Ou1,0 m.
, dengan respons otomatis menutup katup solenoid.
Uji komunikasi LoRa menunjukkan performa optimal pada jarak 100Ae800 m, dengan RSSI Oe55 hingga Oe92 dBm.
PDR Ou90%, dan latensi O100 ms.
Di atas jarak tersebut, kualitas komunikasi menurun signifikan hingga pesan gagal diterima pada 1.
500 m.
Hasil penelitian ini menunjukkan bahwa sistem mampu mendeteksi kebocoran secara efektif sekaligus mendukung pemantauan jaringan distribusi air berbasis IoT dengan komunikasi yang andal.
Diterima 30 Agustus 2025 Direvisi 29 September 2025 Diterbitkan 28 Oktober 2025 Kata kunci:
Deteksi kebocoran Fusi sensor Internet of Things (IoT) LoRa E220 Sensor flowmeter Sensor Pressure Transmitter ABSTRACT Keywords:
Flowmeter sensor Internet of Things (IoT) Leak detection LoRa E220 Pressure transmitter sensor Sensor fusion.
Leaks in potable-water distribution networks are a major contributor to nonrevenue water (NRW), leading to financial losses and distribution inefficiency.
This study develops a real-time pipe-leak detection system based on sensor fusion of a flowmeter and a pressure transmitter, integrated with a LoRa Ebyte E220-400T22D communication module.
The system employs an ESP32 microcontroller as the processing unit, a solenoid valve as the actuator, and a web server for real-time monitoring.
The fusion algorithm combines flow and pressure signals to improve detection accuracy and reduce false alarms.
Calibration results show an average sensor error of A2%, within the standard tolerance (<5%).
Under normal operating conditions, the difference in flow and pressure is very small (<1%), and is therefore classified as normal.
For customer-side leakage scenarios, the system distinguishes three states: normal .
, suspicious .
5 m.
, and indicated leak (Ou1.
0 m.
, with an automatic response that closes the solenoid valve.
LoRa communication tests indicate optimal performance at distances of 100Ae800 m, with RSSI ranging from Oe55 to Oe92 dBm, packet delivery ratio (PDR) Ou 90%, and latency O 100 ms.
Beyond this range, communication quality degrades significantly, and messages may fail at 1,500 m.
These findings demonstrate that the proposed system can effectively detect leaks while supporting reliable IoT-based monitoring of water distribution networks.
Laman utama jurnal: http://jurnal.
id/index.
php/eltek/ Jurnal ELTEK p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 Penulis Korespondensi:
Isa Mahfudi.
Jurusan Teknik Elektro.
Politeknik Negeri Malang.
Jl.
Soekarno Hatta No.
Jatimulyo.
Kec.
Lowokwaru.
Kota Malang.
Jawa Timur.
Indonesia Email: isa_mahfudi@polinema.
PENDAHULUAN
Seiring dengan meningkatnya jumlah penduduk dunia, kebutuhan akan air bersih juga terus Rata-rata kebutuhan air bersih per orang per hari mencapai 100 hingga 150 liter.
Kondisi ini menuntut adanya pengelolaan sumber daya air yang efisien.
Salah satu permasalahan utama dalam distribusi air adalah kebocoran pada jaringan pipa, yang menyebabkan tingginya angka kehilangan air atau non-revenue water (NRW).
Di Kota Malang, tingkat kehilangan air tercatat sebesar 19,76%, yang setara dengan kerugian finansial sekitar Rp 3,28 miliar per bulan.
Tingginya angka NRW tersebut menunjukkan urgensi penerapan sistem deteksi kebocoran yang efektif untuk mendukung efisiensi distribusi air.
Dengan demikian, pengembangan metode deteksi kebocoran yang tepat dan tanggap menjadi hal yang sangat krusial untuk mendukung efisiensi distribusi air.
Berbagai pendekatan telah diusulkan dalam penelitian sebelumnya.
Herdiyanto dkk .
merancang sistem deteksi kebocoran menggunakan sensor flowmeter serta membandingkan performa jaringan komunikasi Bluetooth HC-05 dan LoRa SX1278 Ra-02.
Hasil penelitian menunjukkan bahwa LoRa SX1278 Ra-02 lebih optimal dengan jangkauan hingga 400 meter, sementara Bluetooth terbatas pada 10 meter.
Namun, flowmeter memiliki keterbatasan karena kesulitan mendeteksi kebocoran dengan debit yang kecil.
Santosa dkk.
, mengimplementasikan sensor pressure transmitter yang mampu membaca tekanan hingga 178 Psi, di mana penurunan di bawah ambang tersebut diindikasikan sebagai kebocoran.
Meski demikian, metode ini tidak mampu mengukur total aliran ketika terjadi kebocoran.
Simulasi pencarian rute terpendek dari kebocoran pipa telah diusulkan oleh Irsyada .
, setiap konsumen / pipa cabang / unit kontrol dianggap sebagai node.
Panjang pipa, jarak jalan, atau waktu tempuh dijadikan sebagai bobot.
Algoritma Dijkstra digunakan untuk mencari jalur terpendek dari titik teknisi menuju ke lokasi kebocoran.
Untuk mengatasi kelemahan tersebut.
Andini dkk.
, mengusulkan integrasi sensor flowmeter dan pressure transmitter.
Penggabungan ini meningkatkan akurasi deteksi secara real-time.
Flowmeter digunakan untuk membandingkan debit sebelum dan sesudah titik kebocoran, sedangkan sensor tekanan menganalisis kondisi jaringan pipa yang dapat menjadi indikator kebocoran, misalnya tekanan tinggi saat debit rendah.
Pendekatan ini terbukti lebih presisi, tetapi masih menghadapi tantangan dalam hal pengiriman data jarak jauh karena karakteristik jaringan pipa yang tersebar di daerah pemukiman.
Dalam konteks transmisi data, teknologi Low-Power Wide-Area Network (LPWAN), khususnya LoRa/LoRaWAN, banyak dipilih karena jangkauannya yang luas, kebutuhan daya rendah, dan biaya operasional yang efisien.
Sejumlah studi juga telah menunjukkan efektivitas LoRa/LoRaWAN dalam pemantauan hidraulik, deteksi kebocoran, dan pengembangan layanan air cerdas .
Namun, sebagian besar penelitian masih berfokus pada perancangan dasar atau monitoring parameter tunggal, tanpa menekankan aspek optimasi seperti latensi pengiriman, keandalan komunikasi, efisiensi payload, strategi sampling adaptif, maupun fusi sensor .
Agbolade dkk .
, mengusulkan arsitektur deteksi kebocoran berbasis LoRaWAN dengan pengiriman data laju alir dan tekanan ke cloud.
Selain itu Alghamdi dkk .
juga mengevaluasi performa LoRaWAN untuk pemantauan air, khususnya dari sisi jangkauan dan reliabilitas.
Hasil-hasil tersebut memperkuat kelayakan LoRa/LoRaWAN pada sistem perpipaan berskala kota.
Kendati demikian, penelitian terkait optimasi real-time .
isalnya end-to-end delay, packet success rate, maupun penyetelan parameter radio SF/BW/CR) untuk deteksi kebocoran masih terbatas.
Selain itu, sebagian studi hanya menekankan pemantauan salah satu parameter atau sebatas integrasi dengan aplikasi seluler dan cloud.
Dari sisi metodologi, multisensor data fusion memberikan dasar teoretis untuk menggabungkan informasi debitAetekanan secara sistematis agar meningkatkan akurasi, mengurangi ambiguitas, dan menekan false alarm.
Klasifikasi Dasarathy menempatkan penggabungan pada level data/feature/decision, sementara model JDL memetakan proses dari praproses level rendah hingga penilaian situasi.
Dengan mempertimbangkan keterbatasan komputasi edge dan bandwidth komunikasi, penggabungan pada tingkat skor/keputusan .
core/decision-level fusio.
sering menjadi pilihan praktis untuk sistem IoT terdistribusi.
Di sisi lain, implementasi praktis modul Ebyte E220-400T22D, yang beroperasi pada band 400 MHz dengan keunggulan jangkauan luas dan konsumsi daya rendah, masih jarang diuji dalam konteks deteksi kebocoran pipa.
Hal ini membuka ruang penelitian terkait konfigurasi, integrasi sensor, serta pengujian lapangan pada kondisi nyata.
Berdasarkan uraian tersebut, penelitian ini berfokus pada optimasi sistem deteksi Optimasi sistem deteksi kebocoran pipa distribusi air bersih secara real-time menggunakan LoRa Ebyte E220-400T22D dan visualisasi webserver (Isa Mahfud.
p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 kebocoran pipa secara real-time melalui fusi sensor flowmeter dan pressure transmitter, dengan transmisi data menggunakan modul LoRa Ebyte E220-400T22D.
Hasil deteksi akan divisualisasikan melalui tampilan webserver interaktif untuk memudahkan pemantauan dan peringatan dini.
METODE PENELITIAN
Tahapan penelitian ini diawali dengan identifikasi dan analisis masalah, yaitu menelaah permasalahan kebocoran pipa yang berpotensi menimbulkan kerugian ekonomi dan lingkungan, sekaligus mengkaji keterbatasan metode deteksi yang selama ini digunakan.
Tahap berikutnya adalah studi literatur, yang dilakukan dengan mengumpulkan dan menelaah berbagai penelitian terdahulu yang relevan, terutama terkait metode deteksi kebocoran, penerapan fusi sensor, serta pemanfaatan komunikasi LoRa sebagai media transmisi Berdasarkan hasil studi literatur, dilakukan perancangan sistem yang meliputi desain arsitektur perangkat keras dan perangkat lunak.
Perangkat keras terdiri atas sensor flowmeter dan pressure transmitter sebagai akuisisi data, mikrokontroler ESP32 sebagai pusat pemrosesan, serta modul LoRa E220 untuk komunikasi Sistem ini juga terhubung ke web server sebagai media monitoring.
Pada tahap ini ditentukan pula algoritma fusi data sensor untuk meningkatkan akurasi deteksi kebocoran.
Tahap selanjutnya adalah kalibrasi sensor, di mana flowmeter dan pressure transmitter diuji serta disesuaikan dengan standar pengukuran agar data yang dihasilkan lebih akurat.
Setelah itu dilakukan implementasi sistem, berupa perakitan perangkat keras .
ESP32, modul LoRa, dan solenoid valv.
serta pengembangan perangkat lunak berupa firmware mikrokontroler, komunikasi data LoRa, dan pembuatan dashboard monitoring berbasis web.
Selanjutnya tahap evaluasi dan analisis, di mana dilakukan pengukuran kinerja sistem berdasarkan parameter performa deteksi, waktu deteksi, akurasi kebocoran, tingkat false alarm, serta efisiensi konsumsi energi.
Pada tahap ini juga dibandingkan performa sistem berbasis sensor tunggal dengan sistem berbasis fusi sensor.
Tahap akhir adalah kesimpulan dan rekomendasi, yang berisi penarikan kesimpulan mengenai efektivitas sistem deteksi kebocoran yang dikembangkan serta pemberian saran untuk pengembangan lebih lanjut agar sistem dapat diterapkan secara lebih luas dan efisien di lapangan.
Algoritma Fusi Sensor Algoritma fusi digunakan untuk menggabungkan informasi dari sensor flowmeter (Q) dan sensor pressure transmitter (P) untuk mendeteksi anomali .
, menurunkan false alarm, dan menentukan estimasi besaran kebocoran dalam waktu nyata.
Tahapan dalam metode ini meliputi:pra-proses, penentuan skor anomali per-node.
Penentuan aturan fusi dan penggabungan skor, penentuan estimasi kebocoran dan optimasi parameter.
Pra-Proses Tahap ini dilakukan untuk mengurangi noise, menghilangkan outlier, dan membuat data comparable antar-node.
Sampling & time sync.
Pada tahap ini semua node sampling pada frekuensi tetap fsf_sfs .
1 H.
Pastikan timestamp ter-sinkron (RTC atau koreksi gatewa.
karena mass-balance dan perbandingan antar-node memerlukan sinkronisasi waktu.
Filter anti-outlier.
Pada tahap menggunakan median filter dengan jendela kecil wmedw_.
3Ae7 sampe.
untuk menghilangkan spike.
Terdapat tindakan alternatif seperti menerapkan Hampel filter untuk deteksi dan koreksi outlier.
Smoothing.
Pada tahap ini diterapkan Exponential Moving Average (EMA) untuk sinyal Q dan P.
ycuycuycyc = yuyuyuyuycyc .
Oe yuy.
ycuycuycycOe1 Keterangan variabel:
- ycuycuycyc merupakan nilai hasil estimasi atau data yang telah dihaluskan .
moothed valu.
pada waktu ycyc.
Ini adalah output setelah dilakukan proses exponential smoothing.
- ycuycuycyc merupakan nilai data aktual .
aw dat.
yang diperoleh sensor pada waktu - ycuycuycycOe1 merupakan nilai hasil estimasi atau nilai yang telah dihaluskan pada waktu sebelumnya .
Ini digunakan sebagai referensi untuk menghitung nilai saat ini.
- yuyu merupakan parameter smoothing .
< O .
yang menentukan seberapa besar bobot data terbaru dibandingkan dengan data sebelumnya.
Nilai yuyu telah ditentukan sebesar =0.
2 sebagai titik awal.
Normalisasi terhadap baseline per-segmen.
Normalisasi terhadap baseline per-segmen dilakukan dengan membangun profil operasi normal pada setiap segmen atau node.
Pada tahap ini, data aliran .
low rat.
dan tekanan dicatat dalam kondisi tanpa kebocoran untuk mendapatkan baseline statistik.
Nilai rata-rata aliran dan deviasi standar dihitung untuk setiap node sebagai acuan dalam mendeteksi penyimpangan aliran pada kondisi aktual.
Selain itu, baseline tekanan, yaitu perbedaan tekanan antarnode pada kondisi operasi normal, juga ditentukan.
Baseline ini berfungsi sebagai referensi pembanding ketika sistem mendeteksi adanya penurunan aliran atau anomali tekanan yang berpotensi Jurnal ELTEK.
Vol.
No.
Oktober 2025: 72-80 Jurnal ELTEK p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 mengindikasikan kebocoran pada pipa.
Dengan pendekatan ini, sistem dapat menyesuaikan hasil deteksi terhadap kondisi normal tiap segmen sehingga meningkatkan akurasi dalam identifikasi Pembaruan baseline adaptif.
Ini digunakan pembelajaran adaptif untuk menyesuaikan perubahan kondisi operasi.
Deteksi Anomali per Node Setiap node menghitung skor anomali dari Q dan P secara lokal.
Flow anomaly score (Skor anomali alira.
Digunakan untuk mengukur tingkat penyimpangan data aliran (Q) terhadap kondisi normal .
Dengan cara ini, nilai skor dapat dipetakan secara konsisten ke dalam rentang .
, sehingga lebih mudah digunakan dalam sistem deteksi otomatis maupun ketika dilakukan fusi dengan indikator lain, seperti gradien tekanan.
Pressure gradient .
enaikan/gradien tekana.
Digunakan untuk mendeteksi perubahan distribusi tekanan antar-node pada jaringan pipa.
Transformasi ini memudahkan integrasi skor tekanan ke dalam sistem fusi sensor sehingga dapat dibandingkan secara konsisten dengan skor aliran.
Skor trend .
erubahan temporal atau derivativ.
Digunakan untuk mendeteksi pola kebocoran yang muncul secara bertahap .
umulative dro.
maupun mendadak .
udden ste.
Untuk menangkap perubahan ini, digunakan pendekatan derivatif terestimasi .
pada jendela waktu tertentu wtrendw_.
wtrend Penerapan Algoritma Fusi (Rule-based dan Skor Gabunga.
Formulasi skor gabungan dilakukan dengan mengintegrasikan tiga skor utama, yaitu skor anomali aliran, skor gradien tekanan, dan skor tren.
Selanjutnya, pada rule-based decision, sistem deteksi kebocoran menggunakan kombinasi aturan dan ambang batas .
agar deteksi lebih cepat dan mudah diinterpretasikan.
Tahapan dari algoritma fusi ditunjukkan pada Gambar 1.
Sensor Data (Flowmeter dan tekana.
Filtering (EMA) Rolling Stats (Rata-Rata dan Standar Devias.
Anomaly Scoring Alarm dan Tindakan Decision State Machine Score Fusion Gambar 1.
Tahapan Algoritma Fusi Gambar 1 memperlihatkan tahapan algoritma fusi.
proses deteksi kebocoran dimulai dari akuisisi data sensor.
Sistem membaca debit dari flowmeter dan tekanan dari pressure transmitter setiap detik dengan timestamp tersinkron.
Data kemudian diseragamkan satuannyaAimisalnya liter per detik (L/.
untuk debit dan bar untuk tekananAisehingga dihasilkan rangkaian data mentah debit dan tekanan terhadap waktu.
Tahap berikutnya adalah penyaringan menggunakan exponential moving average (EMA) guna mereduksi derau sensor dan menghaluskan sinyal, terutama saat terjadi lonjakan sesaat .
isalnya pompa menyala/mat.
Setelah sinyal halus diperoleh, sistem menghitung rolling statisticsAi rata-rata dan simpangan baku dalam jendela waktu (A30Ae60 deti.
Rata-rata dipakai sebagai baseline dinamis, sedangkan simpangan baku mewakili variabilitas normal.
Agar bisa dibandingkan secara konsisten, sinyal melalui tahap normalisasi .
z-score atau min-max scalin.
sehingga debit, tekanan, dan tren perubahan dianalisis seimbang tanpa bias satuan.
Berikutnya dilakukan pemberian skor anomali .
nomaly scorin.
Skor debit meningkat bila terdapat perbedaan signifikan antara debit masuk .
dan akumulasi di sisi pelanggan .
ndikasi kehilangan Skor tekanan meningkat bila terjadi penurunan tekanan dibanding baseline.
Skor tren .
mempertajam deteksi terhadap perubahan mendadak atau berkelanjutan.
Keluaran tahap ini berupa skor parsial untuk debit, tekanan, dan tren pada skala 0 .
hingga 1 .
angat menyimpan.
Arsitektur eksekusi.
Seluruh praproses sinyalAifiltering EMA, rolling stats, dan normalisasiAiserta pembentukan skor parsial dijalankan di node/edge ESP32 pada sisi Distributor dan masing-masing Fusi sensor .
core fusio.
Aiyakni penggabungan skor debit/tekanan/tren menjadi skor gabungan SAiserta state machine keputusan dieksekusi di sisi server .
ackend web serve.
setelah server menerima paket data dari semua node.
pendekatan ini dipilih karena membutuhkan agregasi huluAehilir secara bersamaan.
Node tetap memiliki failsafe lokal .
isalnya menutup katup bila terjadi penurunan tekanan iP yang ekstre.
Untuk pengambilan keputusan, skor gabungan S yang dihitung di server diproses oleh state machine bertingkat.
Jika S masih rendah/berfluktuasi, status normal Bila S melampaui ambang bawah secara berkelanjutan (Ou15Ae30 deti.
, status menjadi Optimasi sistem deteksi kebocoran pipa distribusi air bersih secara real-time menggunakan LoRa Ebyte E220-400T22D dan visualisasi webserver (Isa Mahfud.
p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 mencurigakan dan sistem memberi peringatan dini.
Jika S melewati ambang atas secara berkelanjutan .
ekitar Ou20 deti.
, status naik ke terindikasi kebocoran dan siap dieksekusi tindakan.
Untuk mencegah chatter, diterapkan clear time .
Ae60 deti.
sebelum status turun kembali saat kondisi stabil.
Tahap terakhir adalah alarm dan tindakan.
Ketika status berubah menjadi mencurigakan atau terindikasi, server menampilkan badge peringatan di dashboard, membunyikan alarm, dan mengirim event ke web Jika kebocoran terindikasi, aksi lapangan .
isalnya perintah penutupan katup solenoi.
dipicu dari server dan dikirim kembali ke node.
opsi override manual tetap tersedia untuk keselamatan atau Seluruh peristiwa dicatat dalam event log sebagai jejak audit.
Perancangan Sistem Penelitian ini bertujuan mengembangkan dan mengoptimasi sistem deteksi kebocoran pipa real-time dengan fusi data dari flowmeter dan pressure transmitter, serta transmisi data nirkabel menggunakan modul LoRa Ebyte E220-400T22D.
Sistem terbagi menjadi tiga domain: .
Sisi Pipa Distributor, .
Sisi Pelanggan, dan .
Sisi Admin/Server.
Arsitekur dari sistem yang diusulkan ditunjukkan pada Gambar 2.
Algoritma Fusi Pe mbe ntukan Skor Parsial Gambar 2.
Arsitektur dari sistem yang diusulkan Gambar 2, menunjukkan tiga domain utama: Sisi Pipa Distributor .
anan bawa.
Sisi Pelanggan A/B .
, dan Back-end melalui access point menuju web server .
Komunikasi jarak jauh antar node menggunakan LoRa E220.
antarmuka ke server menggunakan Wi-Fi melalui access point.
Sisi Pipa Distributor (Praproses & Skor Parsia.
Node berbasis ESP32 membaca sensor tekanan dan flowmeter hulu.
Di node ini dilakukan praproses:
filtering exponential moving average (EMA), rolling statistics .
ata-rata & simpangan bak.
, normalisasi, lalu pembentukan skor parsial .
ebit/tekana.
Paket data skor parsial dikirim via LoRa (T.
ke sisi admin/server.
Sisi Pelanggan A dan B (Akuisisi & Kontrol Loka.
Masing-masing pelanggan memiliki ESP32 yang membaca flowmeter dan sensor tekanan, menampilkan informasi di LCD 20y4, serta mengendalikan katup solenoid.
Di node pelanggan juga dilakukan praproses dan skor parsial seperti di distributor.
Data dan skor dikirim via LoRa (TR.
Node menyediakan failsafe lokal .
menutup katup bila terjadi penurunan tekanan iP yang ekstrem atau perintah server terputu.
Sisi Admin (Gateway LoR.
Modul LoRa E220 pada sisi admin menerima paket dari semua node (Distributor dan Pelanggan A/B) lalu meneruskan ke jaringan Wi-Fi melalui access point untuk dikirim ke web server.
Jurnal ELTEK.
Vol.
No.
Oktober 2025: 72-80 Jurnal ELTEK p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 .
Back-end Web Server (Algoritma Fusi & Keputusa.
Di web server .
otak biru AuAlgoritma FusiA.
dilakukan fusi sensor .
core fusio.
dengan menggabungkan skor parsial dari hulu dan seluruh pelanggan .
gregasi multi-nod.
, menghasilkan skor gabungan S.
Selanjutnya state machine keputusan menetapkan status normal Ie mencurigakan Ie terindikasi kebocoran dengan ambang dan holding/clear time.
Saat status AuterindikasiAy, server memicu tindakan:
mengirim perintah tutup katup ke node pelanggan terkait, menampilkan peringatan di dashboard, dan mencatat event ke event log.
Jalur data & kontrol A Uplink .
: Sensor Ie praproses/parsial di ESP32 Ie LoRa Ie gateway/admin Ie Wi-Fi Ie web A Downlink .
: Web server Ie Wi-Fi Ie gateway/admin Ie LoRa Ie node pelanggan Ie katup
HASIL DAN PEMBAHASAN
Hasil implementasi sistem ditunjukkan pada Gambar 3.
Gambar 3.
Hasil Implementasi sistem Berdasarkan Gambar 3, menunjukkan rancangan prototipe sistem deteksi kebocoran pipa berbasis sensor aliran .
dan sensor tekanan yang diintegrasikan dengan modul komunikasi LoRa Ebyte E220400T22D.
Prototipe ini terdiri atas dua jalur pipa uji berbahan PVC yang dilengkapi sensor, mikrokontroler, modul LoRa, serta layar LCD sebagai penampil lokal.
Setiap jalur pipa dikonfigurasi untuk mensimulasikan kondisi normal maupun kebocoran dengan cara membuka katup buangan tertentu.
Sistem dilengkapi dengan unit catu daya portabel dan antena LoRa untuk memastikan transmisi data secara real-time ke web server sebagai pemantauan kondisi dari aliran air dalam pipa distribusi.
Dari hasil instalasi ini dapat diamati bahwa sistem mampu bekerja pada kondisi lapangan dengan tata letak yang sederhana namun representatif, sehingga validasi performa algoritma deteksi dapat dilakukan secara langsung melalui skenario uji kebocoran.
Tampilan halaman web server ditunjukkan pada Gambar 4.
Gambar 4 memperlihatkan dashboard web server yang digunakan untuk monitoring dan kontrol distribusi air bersih.
Pada panel Monitoring real-time, sistem menampilkan tekanan dan volume di sisi Distributor .
serta di tiap Pelanggan A/B .
Angka yang ditampilkan adalah pembacaan terkini berikut akumulasi pemakaian, sehingga operator dapat melihat perbedaan huluAehilir secara langsung.
Panel Kontrol & Manajemen melengkapi informasi tersebut dengan saldo pemakaian dan status kebocoran per Indikator status disajikan sebagai badge berwarna .
isalnya: hijau = normal, kuning = mencurigakan, merah = terindikasi kebocora.
agar keputusan operasional bisa diambil cepat.
Mekanisme deteksinya bekerja seperti ini: sistem terus membandingkan volume yang tercatat di hulu dengan total volume di sisi pelanggan.
Jika terdapat defisit volume .
olume hulu lebih besar daripada akumulasi hili.
yang melampaui batas toleransi selama durasi minimum tertentu, status dinaikkan bertahap dari normal Ie mencurigakan Ie terindikasi kebocoran.
Batas toleransi sudah memperhitungkan akurasi alat ukur .
elas akurasi meterin.
serta keterlambatan fisik pengisian pipa .
ipeline storag.
Aijadi selisih kecil yang wajar tidak langsung memicu alarm.
Untuk mencegah false alarm akibat lonjakan sesaat, sistem menggunakan penyaringan waktu dan holding time .
isalnya puluhan deti.
sebelum mengubah status.
Sebaliknya, ketika selisih kembali berada di bawah toleransi secara konsisten, status otomatis turun kembali.
Optimasi sistem deteksi kebocoran pipa distribusi air bersih secara real-time menggunakan LoRa Ebyte E220-400T22D dan visualisasi webserver (Isa Mahfud.
p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 Gambar 4.
Tampilan halaman webserver Begitu status mencapai terindikasi kebocoran, dashboard menampilkan peringatan pada kartu pelanggan terkait dan dapat memicu tindakan otomasiAimisalnya perintah menutup katup .
atup solenoi.
pada pelanggan tersebut.
Operator masih memiliki kendali manual melalui panel kontrol untuk override .
embatalkan atau menund.
tindakan otomasi jika diperlukan, misalnya saat sedang ada pekerjaan Semua kejadian .
erubahan status, perintah buka/tutup katup, dan catatan operato.
dicatat di event log sehingga jejak audit dan analisis insiden bisa dilakukan di kemudian hari.
Dengan alur ini, dashboard bukan hanya menampilkan data, tetapi juga mendukung keputusan lapangan yang cepat dan akuntabel.
Kalibrasi Sensor Flowmeter dan Pressure Transmitter Kalibrasi dilakukan untuk memastikan akurasi sensor sebelum dilakukan implementasi.
Adapun hasil kalibrasi ini ditunjukkan pada Tabel 1.
Tabel 1.
Hasil Kalibrasi Sensor Flowmeter dan Pressure Transmitter Nilai Nilai Sensor
Error
Keterangan Referensi
(%)
Flowmeter (Q) 2,00 L/min 1,96 L/min 2,0 % Dalam batas toleransi
Flowmeter (Q) 3,50 L/min 3,43 L/min 2,0 % Dalam batas toleransi
Pressure Transmitter (P) 1,50 bar
1,47 bar
2,0 %
Dalam batas toleransi
Pressure Transmitter (P) 2,00 bar
1,96 bar
2,0 %
Dalam batas toleransi Sensor Berdasarkan Tabel 1, menunjukkan bahwa sensor flowmeter dan sensor pressure transmitter memiliki rata-rata error A2%, yang masih dalam batas toleransi standar (<5%).
Pengujian Sistem pada Kondisi Normal (Tanpa Kebocora.
Hasil pengujian sistem pada kondisi tanpa ada kebocoran ditunjukkan pada Tabel 2.
Berdasarkan Tabel 2, pada kondisi tanpa kebocoran, selisih debit dan tekanan antar node sangat kecil (<1%), sehingga sistem mengklasifikasikan status sebagai Normal.
Jurnal ELTEK.
Vol.
No.
Oktober 2025: 72-80 Jurnal ELTEK Node Distributor Pelanggan A Pelanggan B p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 Tabel 2.
Hasil pengujian sistem pada kondisi tanpa ada kebocoran Debit Air Tekanan .
iQ (%) iP .
(L/mi.
3,50 2,00 Ae
2,00
1,50
0,5 %
0,02
1,50
1,48
0,6 %
0,01
Status Normal Normal Normal Pengujian Kebocoran pada Sisi Pelanggan Hasil Pengujian kebocoran pada sisi pelanggan ditunjukkan pada Tabel 3.
Diameter lubang kebocoran .
Tabel 3.
Hasil Pengujian kebocoran pada sisi pelanggan Skor iQ (%) iP .
Status Sistem
Fusi (S) 0,0 % 0,00 0,15 Normal
1,2 %
0,05
0,42
Mencurigakan 2,5 % 0,10 0,72 Terindikasi Kebocoran 4,8 % 0,15 0,83 Terindikasi Kebocoran 7,2 % 0,21 0,91 Terindikasi Kebocoran Respon Solenoid Valve Tetap terbuka Tetap terbuka Menutup otomatis Menutup otomatis Menutup otomatis Berdasarkan Tabel 3, menunjukkan hasil pengujian variasi kebocoran pada sisi pelanggan dengan ukuran diameter lubang yang berbeda.
Pada kondisi diameter 0 mm, tidak terjadi perbedaan debit .
Q) maupun penurunan tekanan .
P), sehingga skor fusi sensor sangat rendah .
Sistem menilai kondisi ini sebagai Normal dan solenoid valve tetap terbuka.
Ketika dilakukan simulasi kebocoran kecil dengan diameter lubang kebocoran diatur 0,5 mm, nilai iQ naik menjadi 1,2% dan iP sebesar 0,05 bar, menghasilkan skor fusi 0,42.
Nilai ini berada dalam kategori Mencurigakan, di mana sistem belum langsung menutup aliran, tetapi memberi tanda peringatan untuk pemantauan lebih lanjut.
Selanjutnya, pada kebocoran lebih besar .
iameter diatur 1,0 mm, 2,0 mm, dan 3,0 m.
, perbedaan debit dan tekanan semakin signifikan dengan skor fusi di atas 0,7.
Kondisi ini dikategorikan sebagai AuTerindikasi KebocoranAy, sehingga sistem secara otomatis memicu aksi proteksi berupa penutupan solenoid valve.
Pengujian Komunikasi LoRa Hasil pengujian komunikasi LoRa Ebyte E220-400T22D ditunjukkan pada Tabel 4.
Jarak .
Tabel 4.
Hasil komunikasi LoRa Ebyte E220-400T22D RSSI .
PDR (%) Latensi .
Status Komunikasi
Stabil
Stabil
Layak
Layak
Tidak Stabil
Sering Hilang Data
< -115
Ae Tidak Diterima Berdasarkan Tabel 5, menunjukkan bahwa komunikasi LoRa E220 bekerja optimal pada rentang 100Ae 800 meter.
Pada jarak 100 m hingga 300 m, komunikasi sangat stabil dengan RSSI antara -55 dBm hingga -70 dBm dan Packet Delivery Ratio (PDR) hampir 100%.
Latensi juga rendah .
Ae52 m.
, sehingga sangat layak digunakan untuk pemantauan secara real-time.
Pada jarak 600Ae800 m, kualitas komunikasi mulai menurun, dengan RSSI sekitar -85 hingga -92 dBm dan PDR 90Ae94%.
Walaupun demikian, sistem masih dapat bekerja dengan baik dalam kategori layak.
Di atas jarak 800 m, kinerja LoRa menurun signifikan.
Pada jarak 1000 m.
PDR turun menjadi 72% dengan latensi meningkat hingga 160 ms, sehingga komunikasi tergolong tidak stabil.
Pada jarak 1200 m, hanya 35% data yang berhasil diterima, sementara pada jarak 1500 m komunikasi benarbenar gagal .
idak diterim.
Dengan hasil ini, jarak ideal penggunaan LoRa E220 untuk penelitian adalah pada rentang 100Ae800 meter, karena masih menjamin stabilitas komunikasi, keandalan data, dan latensi rendah.
Di atas jarak tersebut, kualitas komunikasi menurun tajam sehingga kurang layak digunakan.
KESIMPULAN
Sistem deteksi kebocoran pipa berbasis flowmeter .
dan pressure transmitter .
yang diintegrasikan dengan modul komunikasi LoRa Ebyte E220-400T22D berhasil dibangun dan diuji.
Prototipe Optimasi sistem deteksi kebocoran pipa distribusi air bersih secara real-time menggunakan LoRa Ebyte E220-400T22D dan visualisasi webserver (Isa Mahfud.
p-ISSN: 1693 Ae 4024 | e-ISSN: 2355-0740 yang terdiri atas pipa uji PVC, flowmeter, pressure transmitter.
ESP32, modul LoRa, serta katup solenoid bekerja secara real-time dengan dukungan dashboard berbasis web.
Hasil kalibrasi sensor menunjukkan akurasi yang baik dengan rata-rata galat A2%, masih dalam batas toleransi standar (<5%), sehingga layak untuk deteksi Pada kondisi tanpa kebocoran, selisih debit dan tekanan sangat kecil (<1%) sehingga sistem mengklasifikasikan status sebagai Normal.
Pada skenario kebocoran sisi pelanggan, sistem membedakan tiga kategori: Normal.
Mencurigakan, dan Terindikasi Kebocoran.
Kebocoran kecil berdiameter 0,5 mm menghasilkan status Mencurigakan tanpa menutup katup, sedangkan kebocoran Ou1,0 mm terdeteksi sebagai Terindikasi Kebocoran yang memicu penutupan katup secara otomatis.
Uji komunikasi LoRa menunjukkan jarak operasi ideal 100Ae800 m dengan kualitas stabil (RSSI Oe55 hingga Oe92 dBm, packet delivery ratio (PDR) Ou90%, latensi O100 m.
Di atas 800 m, kualitas menurun signifikan hingga data tidak lagi diterima pada 1.
Secara keseluruhan, sistem terbukti efektif mendeteksi kebocoran dan mengirim data ke web server secara real-time dengan jangkauan komunikasi yang andal hingga 800 m, sehingga berpotensi menjadi solusi praktis dan efisien untuk pemantauan distribusi air bersih berbasis Internet of Things (IoT).
DAFTAR PUSTAKA