Tanah longsor merupakan salah satu dari tiga bencana alam yang paling sering terjadi di Indonesia, dengan 291 kejadian tercatat sepanjang tahun 2020. Faktor-faktor seperti kelembapan tanah, kemiringan lereng, dan getaran menjadi pemicu utama terjadinya longsor. Penelitian ini mengembangkan sistem monitoring dan peringatan dini potensi longsor berbasis IoT dengan metode Fuzzy Sugeno yang efektif dalam mendeteksi potensi longsor. Hasil kalibrasi menunjukkan tingkat keakuratan sensor yang tinggi, dengan sensor kemiringan (MPU6050) memiliki akurasi 99,72%, sensor kelembapan tanah (YL-69) 100%, dan sensor getaran (SW-420) 100%. Sistem ini mengintegrasikan ketiga sensor tersebut yang terhubung dengan aplikasi Blynk untuk pemantauan real-time, memungkinkan akses data secara cepat dan akurat. Pengujian dilakukan dengan membuat tanah berlapis tiga, yaitu aluvial, laterit, dan gambut, serta mensimulasikan berbagai kondisi seperti kemiringan hingga 60°, kelembapan mencapai 70%, dan pemberian getaran untuk menguji respons sistem terhadap perubahan lingkungan. Data hasil pengujian menunjukkan bahwa sensor berfungsi dengan baik dalam mendeteksi potensi longsor, sementara logika Fuzzy Sugeno mampu mengidentifikasi tingkat bahaya dengan efektivitas 100% berdasarkan parameter kemiringan, kelembapan, dan getaran tanah. Sistem ini juga berhasil mengirim data secara real-time ke aplikasi Blynk dan memberikan notifikasi bahaya yang dapat diterima langsung oleh perangkat mobile, sehingga memungkinkan respons cepat terhadap kondisi darurat. Selain itu, sistem peringatan dini yang menggunakan buzzer terbukti akurat dan responsif, dengan efektivitas mencapai 100%, memberikan sinyal peringatan yang jelas saat kondisi berbahaya terdeteksi. Keseluruhan hasil pengujian menunjukkan bahwa sistem ini efektif dan dapat diandalkan untuk memantau perubahan kondisi tanah serta memberikan peringatan dini terhadap potensi longsor, sehingga dapat berkontribusi dalam mitigasi risiko bencana di wilayah rawan longsor.

Kata Kunci: Bencana Alam, Fuzzy sugeno, Internet of things, Monitoring, Tanah Longsor

Landslide is one of the three most frequent natural disasters in Indonesia, with 291 events recorded throughout 2020. Factors such as soil moisture, slope, and vibration are the main triggers for landslides. This research developed an loT-based monitoring and early warning system for landslide potential using the Fuzzy Sugeno method that was effective in detecting landslide potential. Calibration results indicated a high level of sensor accuracy, with the slope sensor (MPU6050) having 99.72% accuracy, the soil moisture sensor (YL-69) 100%, and the vibration sensor (SW- 420) 100%. The system integrated all three sensors connected to the Blynk app for real-time monitoring, enabling fast and accurate data access. Tests were conducted by creating a three-layered soil, namely alluvial, laterite, and peat, and simulating various conditions such as a slope up to 60°, humidity up to 70%, and vibration to test the system's response to environmental changes. The test data showed that the sensors functioned properly in detecting potential landslides, while the Sugeno fuzzy logic was able to identify the danger level with 100% effectiveness based on the parameters of slope, moisture, and ground vibration. The system also successfully transmitted real-time data to the Blynk app and provided hazard notifications that could be received directly by mobile devices, enabling quick response to emergency conditions. In addition, the early warning system using buzzers proved to be accurate and responsive, with 100% effectiveness, providing clear warning signals when hazardous conditions were detected. The overall test results show that the system was effective and reliable for monitoring changes in ground conditions as well as providing early warning of potential landslides, thus contributing to disaster risk mitigation in landslide-prone areas. Keywords: Natural Disaster, Fuzzy Sugeno, Internet of things, Monitoring, Landslide