Implementasi Moving Average Filter untuk Koreksi Kesalahan Sensor Pengukur Kedalaman Air

ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika Pub Date : 2020-05-19 DOI:10.26760/elkomika.v8i2.432

Utti Marina Rifanti, Herryawan Pujiharsono, Andri Setiawan, Jans Hendry

{"title":"Implementasi Moving Average Filter untuk Koreksi Kesalahan Sensor Pengukur Kedalaman Air","authors":"Utti Marina Rifanti, Herryawan Pujiharsono, Andri Setiawan, Jans Hendry","doi":"10.26760/elkomika.v8i2.432","DOIUrl":null,"url":null,"abstract":"ABSTRAKAspek 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 ABSTRACTThe 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","PeriodicalId":344430,"journal":{"name":"ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika","volume":"54 50","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2020-05-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26760/elkomika.v8i2.432","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 2

Abstract

ABSTRAKAspek 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 ABSTRACTThe 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

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

移动平均滤波器在水深传感器误差校正中的应用

摘要传感器与其他传感器的主要区别在于精度的高低。在这项研究中，制作了一个系统来降低偏差率，从而将低成本传感器的测量误差降至最低。使用的传感器是 BMP180 气压传感器。该传感器用于测量基于水中气压的深度。使用移动平均滤波器（MAF）去除离群数据，从而获得更多相关数据，然后进行曲线拟合。然后进行线性回归分析，得出一个等式，作为传感器记录数据的校正。通过几种情况进行系统测试，然后得出平均平方误差（MSE）最小的方程。关键词：BMP180 传感器；误差修正；线性回归；移动平均滤波器；均方误差 ABSTRACTThe main aspect that distinguishes sensors from one another is the level of accuracy.在这项研究中，开发了一个系统来降低偏差水平，从而最大限度地减少低成本传感器的测量误差。使用的传感器是气压传感器 BMP180。该传感器用于测量基于水中气压的水深。使用移动平均滤波器 (MAF) 方法去除数据异常值，以获得更多相关数据用于曲线拟合。然后进行线性回归分析，生成一个函数作为传感器记录数据的校正。通过多种方案进行系统测试，然后选择平均平方误差（MSE）最小的方程。关键词：BMP180 传感器、误差修正、线性回归、移动平均滤波器、均方误差

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika

自引率

0.00%

发文量