Analisa Ketidakpastian Pengukuran Sensor Curah Hujan Tipe Tipping Bucket berbasis Internet of Things

Rain is very difficult to predict. This is because there ar eso many factors that can affect rain starting from temperature, humidity, rainfall and intensity of sunlight. Moreover, coupled with weather anomalies such as la nina and el nino which cause a longer rainy period than usual. Whereas high rainfall causes disasters such as floods and so on. Therefore, it is important in predicting the rain that will occur in a place As it is likely possible anticipate  flood disaster that will occur. This study uses a backpropagation type of artificial neural network in predicting rainfall. Input data that used to train this artificial neural network is data from BKMG about monthly rainfall during 2015-2019. Based About the result of the conducted test data, the MSE at output of the artificial neural network is 0.089161. From these effects it could be assume that the synthetic neural network with method backpropagation works well  to predict the rainfall that will occur. Keyword ­: Backpropagation, Rainfall, Prediction, Artificial Neural Network.Semua makhluk tidak akan bertahan hidup dan lingkungan akan menjadi mati tanpa air. Padahal air tawar yang berfungsi sebagai penyangga dapat hidup hanya sebanyak 3% dari semua air di bumi ini. Salah satu sumber utama dari air tawar adalah hujan. Saat ini, hujan sangat sulit untuk diprediksi dikarenakan adanya fenomena perubahan iklim yang ada pada dekade terakhir ini. Hujan yang terlalu lama akan menimbulkan permasalahan lain yaitu bencana banjir. Jika curah hujan dapat diprediksi maka ini bisa menambah waktu untuk kegiatan mitigasi bencana banjir. atau sebagai usaha dalam pencegahan akan tibanya banjir di hari esok. Jadi, sangat penting untuk mendapatkan data curah hujan yang teliti. Penelitian ini akan membuat sebuah sensor curah hujan bertipe tipping bucket yang datanya akan dikirim ke sebuah website atau dengan kata lain berbasis internet of things. Selain itu akan dilakukan pengujian dalam pengukuran sensor serta analisis ketidakpastian pengukuran yang terjadi. Pengujian mendapati hasil bahwa rata-rata kesalahan pengukuran yang terjadi yakni 1.7% dan kesalahan yang terjadi dikarenakan kesalahan mekanik, kesalahan elektronik, kesalahan resolusi, dan kesalahan adhesi. Kata kunci : Sensor Curah Hujan, Tipping Bucket, Internet Of Things, Ketidakpastian Pengukuran