PENGEMBANGAN SISTEM MONITORING KINERJA ALAT BERAT BERBASIS GSM DENGAN WEB DASHBOARD PADA KOMATSU GD825
DOI:
https://doi.org/10.52453/technologic.v17i1.540Keywords:
GSM, Internet of Things (IoT), ESP32, ThingsBoard, Monitoring Alat Berat, Fault-Tolerant SystemAbstract
Perkembangan teknologi pada industri alat berat menuntut sistem monitoring kinerja yang andal, real-time, dan mampu beroperasi pada kondisi jaringan terbatas guna meningkatkan efisiensi operasional serta meminimalkan downtime. Namun, sebagian besar sistem monitoring masih bergantung pada konektivitas jaringan stabil dan belum memiliki mekanisme penyimpanan data yang adaptif saat terjadi gangguan komunikasi. Penelitian ini bertujuan merancang sistem monitoring kinerja alat berat berbasis GSM pada unit Komatsu GD825 dengan pendekatan dual-mode data handling, yaitu kombinasi transmisi data real-time dan penyimpanan lokal sebagai mekanisme fail-safe. Sistem dikembangkan menggunakan ESP32, Arduino Nano, modul SIM800L, GPS, dan SD Card, serta divisualisasikan melalui platform ThingsBoard. Hasil pengujian menunjukkan sistem mampu beroperasi dengan latency komunikasi sebesar 850–1200 ms, packet loss di bawah 3%, dan reliability mencapai 96,5%. Sensor suhu PT100 memiliki deviasi pengukuran antara −0,6°C hingga +0,5°C, menunjukkan tingkat akurasi yang baik. Implementasi dual-mode data handling terbukti mampu menjaga kontinuitas data saat terjadi gangguan jaringan. Dibandingkan sistem konvensional, sistem ini lebih adaptif terhadap kondisi jaringan terbatas serta mendukung deteksi dini kondisi abnormal sebagai bagian dari predictive maintenance.
References
Singh, H. (2025). IoT-based predictive maintenance in industrial machinery. International Journal for Modern Trends in Science and Technology, 11(7), 98–101.
Hamasha, M. M., Alshorman, O., & Alshorman, A. (2025). A comprehensive framework for IoT-driven predictive maintenance: Leveraging AI and edge computing for enhanced equipment reliability. Journal of Applied Engineering Science, 23(3), 471–486.
Ibrahim, S. M., Ahmed, R., & Khan, M. (2024). Scalable and secure IoT-driven vibration monitoring for predictive maintenance. Journal of Technology Informatics and Engineering, 3(3), 370–381.
Aleran, A., Smith, J., & Gupta, R. (2025). An IoT-based predictive maintenance framework using hybrid deep learning for industrial systems. Computers, Materials & Continua, 74(2), 215–230.
Zhang, Y., Li, X., & Chen, H. (2023). A review of industrial IoT-based monitoring systems for smart manufacturing. IEEE Access, 11, 45678–45695.
Kumar, R., & Singh, P. (2022). GSM-based communication systems in IoT applications: A review. International Journal of Communication Systems, 35(8), e5123.
Lee, J., Bagheri, B., & Kao, H. A. (2021). A cyber-physical systems architecture for smart maintenance in Industry 4.0. Manufacturing Letters, 27, 13–18.
Wang, X., Liu, Y., & Zhao, Z. (2020). Sensor reliability analysis in industrial monitoring systems. Sensors, 20(15), 4256.
Patel, S., Shah, D., & Mehta, R. (2023). Edge computing in IoT-based monitoring systems: A survey. Future Generation Computer Systems, 139, 12–28.
Chen, L., Zhao, Y., & Wang, H. (2024). Fault-tolerant design for IoT-based monitoring systems in industrial environments. IEEE Internet of Things Journal, 11(4), 3221–3232.
Ali, F., Khan, S., & Rehman, A. (2023). Embedded systems design for real-time monitoring applications. Microprocessors and Microsystems, 95, 104678.
Brown, T., Wilson, G., & Harris, M. (2022). Performance evaluation of MQTT protocol in IoT systems. Computer Communications, 180, 102–110.
Garcia, M., Torres, P., & Lopez, J. (2021). Wireless sensor networks for industrial monitoring: A comprehensive review. Ad Hoc Networks, 115, 102428.
Rahman, A., Islam, S., & Karim, R. (2024). Real-time monitoring architectures for smart industrial systems. Journal of Industrial Information Integration, 35, 100482.
Suryana, T. (2019). Antarmuka u-blox NEO-6M GPS module dengan NodeMCU ESP8266. Jurnal Teknologi Informasi dan Komunikasi, 10(2), 85–92.
