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
