Kohesi: Jurnal Sains dan Teknologi

Articles

Vol. 11 No. 4 (2026): Kohesi: Jurnal Sains dan Teknologi, ISSN 3025-1311

PERANCANGAN SISTEM IDENTIFIKASI JENIS PASIR (HALUS-KASAR) BERBASIS SENSOR MPU6050 DENGAN FAST FOURIER TRANSFORM (FFT) DAN RULE -BASED THRESHOLD SERTA DASHBOARD IOT

Submitted
September 12, 2026
Published
2026-09-12

Abstract

Pasir merupakan salah satu material dasar yang sangat penting dalam industri konstruksi, karena menempati sekitar 70% volume campuran mortar atau beton dan berpengaruh langsung terhadap workabilitas, kepadatan, serta kekuatan tekan struktur. Namun, proses identifikasi jenis pasir (halus dan kasar) yang umum digunakan saat ini, yaitu analisis saringan (sieve analysis), masih bersifat manual, memerlukan waktu lama, dan rentan terhadap subjektivitas operator. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan menguji sebuah sistem identifikasi jenis pasir secara otomatis berbasis sensor getaran MPU6050 yang diintegrasikan dengan mikrokontroler ESP32. Sinyal getaran yang dihasilkan dari interaksi butiran pasir diolah menggunakan metode Fast Fourier Transform (FFT) untuk mengekstraksi fitur frekuensi puncak (f_peak) dan energi spektral total (E_total), yang selanjutnya diklasifikasikan menggunakan algoritma Rule-Based Threshold ke dalam kategori pasir halus dan pasir kasar. Hasil klasifikasi serta data pengukuran ditampilkan secara real-time melalui dashboard Internet of Things (IoT) berbasis Grafana yang terhubung dengan basis data MySQL. Pengujian sistem terhadap 60 sampel pasir menunjukkan tingkat accuracy sebesar 91,7%, precision sebesar 90,3%, dan recall sebesar 93,3%, dengan rata-rata waktu respons sistem sebesar 1,42 detik per siklus identifikasi. Hasil penelitian ini menunjukkan bahwa sistem yang dikembangkan mampu melakukan identifikasi jenis pasir secara otomatis, cepat, dan akurat, sehingga berpotensi digunakan sebagai alternatif metode sieve analysis konvensional.

References

  1. [1] Achmad Suhudi, K., Purnama, A., & Ainurahman. (2022). Penelitian Pasir Dari Sungai Brantas Desa Padangan Kecamatan Ngantru Kabupaten Tulungagung. Jurnal Teknik Sipil Universitas Tulungagung, 02(02), 67–83.
  2. [2] Choe, H.-O., & Lee, M.-H. (2025). Artificial Intelligence-Based Anomaly Detection Technology for Equipment Condition Monitoring in Smart Farms. Applied Sciences, 15(23), 12843. https://doi.org/10.3390/app152312843
  3. [3] Dhanda, M., Pant, P., Dogra, S., Gupta, A., & Dutt, V. (2022). Sensitivity Analysis of Contact Type Vibration Measuring Sensors. Sound & Vibration, 56(3), 235–243. https://doi.org/10.32604/sv.2022.015615
  4. [4] Franco, T., Sestrem, L., Henriques, P. R., Alves, P., Varanda Pereira, M. J., Brandão, D., Leitão, P., & Silva, A. (2022). Motion Sensors for Knee Angle Recognition in Muscle Rehabilitation Solutions. Sensors, 22(19), 7605. https://doi.org/10.3390/s22197605
  5. [5] Gabštur, P., Kočisko, M., Török, J., & Kaščak, J. (2025). Enhancement of Primary Profile Surface Quality in FFF Printing Through Vibration Monitoring and Active Control. Applied Sciences, 15(21), 11346. https://doi.org/10.3390/app152111346
  6. [6] Herdiansyah Noorrizky Anggana, & Moch Solikin. (2025). Development of a Real-Time Vibration Monitoring System for Drum Tester Machines Using ADXL345 Sensor and ESP32 Microcontroller. Journal of Automotive and Mechanical Applied Technology, 2(1), 66–75. https://doi.org/10.21831/jamat.v2i1.1277
  7. [7] Pandit, S. R., Patil, K., & Vaidya, V. (2025). Vibration-Based Motor Health Monitoring System. International Journal of Progressive Research in Engineering Management and Science, 3550–3552.
  8. [8] Rosell, J., Mangubat, N. V., Duhaylungsod, J., Saumat, M., Dalis, I., Ocang, P., & Demecillo, G. (2025). Design and Development of a Portable Vibrometer using ESP32 Microcontroller and ADXL345 Sensor. International Journal For Multidisciplinary Research, 7(4), 1–15. https://doi.org/10.36948/ijfmr.2025.v07i04.47835
  9. [9] Saouli, M. E., Touba, M. M., & Boudiaf, A. (2025). Hybrid Diagnostic Framework for Interpretable Bearing Fault Classification Using CNN and Dual-Stage Feature Selection. Sensors, 25(20). https://doi.org/10.3390/s25206386
  10. [10] Shubbham Gupta, & Shiv Naresh Shivhare. (2025). Embedded TinyML for Predictive Maintenance: Vibration Analysis on ESP32 with Real-Time Fault Detection in Industrial Equipment. International Journal on Computational Modelling Applications, 2(2), 1–17. https://doi.org/10.63503/j.ijcma.2025.114
  11. [11] Srokosz, P. E., Dyka, I., Bujko, M., & Bocheńska, M. (2021). A Modified Resonant Column Device for In-Depth Analysis of Vibration in Cohesive and Cohesionless Soils. Energies, 14(20), 6647. https://doi.org/10.3390/en14206647

Similar Articles

1-10 of 176

You may also start an advanced similarity search for this article.