LITERATURE REVIEW:

ANALISIS METODE FILTERING DAN NOTIFIKASI PADA SISTEM DETEKSI KEBOCORAN GAS LPG BERBASIS IOT

Abstract

Kebocoran Liquefied Petroleum Gas (LPG) masih menjadi salah satu penyebab utama terjadinya kebakaran dan ledakan pada lingkungan rumah tangga maupun usaha kecil. Perkembangan teknologi Internet of Things (IoT) mendorong berbagai penelitian dalam pengembangan sistem pendeteksi kebocoran gas berbasis sensor dan mikrokontroler. Namun, sistem deteksi gas masih menghadapi permasalahan berupa ketidakstabilan pembacaan sensor akibat noise lingkungan, potensi false alarm, serta keterbatasan sistem notifikasi real-time. Penelitian ini bertujuan untuk menganalisis perkembangan metode deteksi, filtering data sensor, dan sistem notifikasi pada sistem pendeteksi kebocoran gas LPG berbasis IoT berdasarkan 30 jurnal terindeks Scopus dan SINTA pada tahun 2021–2025. Kajian ini diharapkan dapat memberikan pemetaan penelitian terkini serta mengidentifikasi keterbatasan penelitian sebelumnya sebagai landasan pengembangan sistem yang lebih stabil dan responsif. Metode penelitian dilakukan melalui studi literatur dengan mengumpulkan, menyeleksi, dan menganalisis 30 jurnal menggunakan kata kunci deteksi kebocoran gas LPG, Internet of Things, sensor gas, filtering data, dan sistem notifikasi. Literatur diklasifikasikan berdasarkan metode deteksi, filtering data sensor, sistem notifikasi, performa sistem, dan keterbatasan penelitian. Hasil analisis menunjukkan bahwa sebagian besar penelitian menggunakan sensor MQ-series serta mikrokontroler Arduino dan ESP32. Metode threshold masih banyak diterapkan, namun pembacaan sensor dipengaruhi noise dan fluktuasi data. Beberapa penelitian menerapkan pengolahan data sensor dan notifikasi real-time untuk meningkatkan kestabilan pembacaan. Integrasi antara filtering data dan notifikasi pada platform IoT berbiaya rendah masih menjadi kendala. Sehingga untuk memperbaiki kelemahan ketidakstabilan pembacaan data pada pengembangan pendeteksi kebocoran gas LPG berbasis Arduino, diperlukan metode threshold yang dilengkapi dengan metode Moving Average Filter.