Electronic Theses and Dissertation

Ketersediaan air bersih yang terdistribusi dengan baik merupakan elemen penting dalam menunjang kualitas hidup masyarakat. Namun, proses pencatatan konsumsi air oleh Perusahaan Daerah Air Minum (PDAM) hingga kini masih banyak dilakukan secara manual, sehingga rawan kesalahan pembacaan, keterlambatan pelaporan, serta tidak mendukung pemantauan secara real-time. Penelitian ini bertujuan untuk merancang sistem smart water meter berbasis Internet of Things (IoT) yang mampu memantau konsumsi air secara otomatis dan jarak jauh. Sistem menggunakan sensor Ultrasonic Flowmeter (UFM) TUF-2000M tipe clamp-on yang dipasang secara non-invasif tanpa perlu membongkar pipa. Sensor ini melakukan pembacaan data berupa velocity, flow rate, dan volume pemakaian, yang kemudian diteruskan oleh mikrokontroler ESP32 melalui komunikasi LoRaWAN ke server ChirpStack. Selanjutnya, data dikirim ke layanan AWS Cloud untuk keperluan pencatatan dan pemantauan jarak jauh. Hasil pengujian menunjukkan bahwa sistem mampu mengirim data setiap 32 detik secara stabil dengan rata-rata galat pengukuran sebesar 2,24%. Data yang dikirimkan berhasil ditampilkan secara real-time, sehingga sistem ini berpotensi meningkatkan efisiensi operasional PDAM dan mendukung pengelolaan air bersih yang modern, transparan, dan berkelanjutan.

The availability of clean water with proper distribution plays a vital role in supporting the quality of life in society. However, the water consumption recording process used by local water utilities (PDAM) is still mostly conducted manually, which can lead to reading errors, delayed reporting, and the lack of real-time monitoring capabilities. This study aims to design an Internet of Things (IoT)-based smart water meter system capable of automatically and remotely monitoring water usage. The system utilizes a clamp-on type Ultrasonic Flowmeter (UFM) TUF-2000M installed non-invasively, eliminating the need to dismantle existing pipelines. The sensor reads data on velocity, flow rate, and total volume, which is then forwarded by an ESP32 microcontroller via LoRaWAN communication to the ChirpStack network server. The data is subsequently sent to AWS Cloud services for remote recording and monitoring purposes. Test results show that the system is capable of transmitting data every 32 seconds consistently, with an average measurement error of 2.24%. The transmitted data is successfully displayed in real-time, indicating that the system has the potential to improve the operational efficiency of PDAM and support a more modern, transparent, and sustainable water management approach.