Anda di halaman 1dari 90

SISTEM MONITORING KUMBUNG JAMUR TIRAM BERBASIS IoT

(Internet of Things) MENGGUNAKAN METODE K-MEANS PADA


PLATFORM NODE-RED
Cover
Tugas Akhir

Disusun sebagai salah satu syarat kelulusan pada program studi Teknik
Informatika Strata Satu (S1)

Oleh :

Nama : LILIK YULIANI


NPM : 1506700043

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER


SUBANG
2019
Lembar Pengesahan

SISTEM MONITORING KUBUNG JAMUR TIRAM BERBASIS IoT


(Internet of Things) MENGGUNAKAN METODE K-MEANS PADA
PLATFORM NODE-RED

Disusun Oleh :

Nama : LILIK YULIANI


NPM : 1506700043

Tugas Akhir Strata 1 (S1) telah diperiksa, disetujui, dan disidangkan

Di Subang, Agustus 2019

Menyetujui,

Pembimbing I Pembimbing II

Aa Zezen Zaenal Abidin,S.Pd.,S.T.,M.Cs. Yuli Murdianingsih, S.ST, M.Kom


NIK. 431500005 NIK. 43100025

Mengetahui,

Ketua STMIK Subang Ketua Program Studi Teknik


Informatika

Aa Zezen Zaenal Abidin,S.Pd.,S.T.,M.Cs. Anderias Eko Wijaya, S.T., M.Kom.


NIK. 431500005 NIK. 431500024
Abstraksi

Kumbung adalah rumah khusus dibangun digunakan sebagai tempat


membudidayakan jamur konsumsi dan berfungsi melindungi media tanam jamur
(baglog) dari air hujan dan matahari langsung. Jamur dapat tumbuh berkembang
dengan baik di pengaruhi oleh ruangan untuk mendukung proses berkembangnya
jamur, suhu dan kelembapan dalam ruangan.
Pada umumnya suhu yang optimal untuk pertumbuhan jamur tiram,
dibedakan dalam dua fase yaitu fase inkubasi atau pembibitan yang memerlukan
suhu udara berkisar Antara 23 – 28 derajat Celsius dengan kelembapan 60 – 70 %
dan fase pembentukan tumbuh buah memerlukan suhu udara antara 22 – 28
derajat Celsius. Dengan adanya alat dan sistem ini mempermudah petani jamur
dalam mengetahui tingkat suhu dan kelembapan pada suatu kumbung tersebut.
Sehingga pembudidaya dapat memberikan perlakuan sesuai kebutuhan.
Dari permasalahan tersebut maka dibuat suatu alat dan sistem untuk
memonitoring suhu dan kelembapan kumbung jamur yang didalamnya dapat
melakukan pengelompokan berdasarkan titik tempat yang sudah ditentukan oleh
penulis dan data yang didapatkan hasil dari sensor yang ditanamkan kedalam
mikrokontroler dan disambungkan melalui sebuah jaringan hotspot dari
smartphone sehingga bisa diinputkan kedalam database menggunakan platform
node-red.

Kata kunci : clustering, internet of things, jamur tiram, k-means, platform node-
red.

iii
Abstract

Kumbung is a house specifically built to be used as a place to cultivate


mushroom consumption and serves to protect the mushroom growing media
(baglog) from rain and direct sun. The fungus can grow well in the influence of
the room to support the process of developing fungus, temperature and humidity
in the room.
In general, the optimal temperature for the growth of oyster mushrooms,
divided into two phases, namely the incubation phase which requires air
temperatures ranging between 23-28 degrees Celsius with humidity 60-70% and
the phase of fruit growing formation requires the same air temperature between
22-28 degrees Celsius. With the existence of these tools and systems, it is easier
for mushroom farmers to know the temperature and humidity level in a kumbung.
From these problems, a tool and system was built to monitor the
temperature and humidity of mushroom kumbung, which can make groupings
based on the points determined by the author and the data obtained from sensors
embedded into the microcontroller and connected through a hotspot network from
a smartphone so that it can inputted into the database using the node-red platform.

Keywords: clustering, internet of things, k-means, node-red platform, pleurotus


ostreatus.

iv
Kata Pengantar

Puji dan syukur alhamdulilah, penulis panjatkan ke hadirat Allah SWT yang

telah menuntun penulis dalam penyusunan Laporan Tugas Akhir ini. Tugas akhir

ini penulis penulis beri judul “ Sistem Monitoring Kubung Jamur Tiram Berbasis

IoT (Internet of Things) menggunakan metode K-means pada Platform Node-red.

Laporan tugas akhir ini merupakan salah satu syarat untuk memperoleh gelar

Strata I Studi Teknik Informatika di Sekolah Tinggi Manajemen Informatika dan

Komputer Subang.

Penulisan Laporan Tugas Akhir ini dapat disusun dan diselesaikan dengan

baik tidak terlepas dari bantuan dan dukungan dari semua pihak yang ikut dalam

membimbing penulis untuk menyelesaikan Laporan Tugas Akhir ini. Pada

kesempatan ini, penulis mengucapkan terima kasih kepada :

1. Ibu Dra. Hj. Elly Aryantimala, selaku Ketua Yayasan Lembaga

Pendidikan Yudhistira.

2. Aa Zezen Zaenal Abidin, S.Pd., ST., M.Cs selaku ketua Sekolah

Manajemen Informatika dan Komputer Subang dan dosen pembimbing I

tugas akhir.

3. Yuli Murdianingsih, S.ST., M.Kom selaku dosen pembimbing II tugas

akhir.

4. Bapak A. Eko Wijaya, ST., M.Kom selaku ketua Prodi dan Dosen

STMIK Subang yang selalu memberikan motivasi dan masukan kepada

penulis.

v
5. Kedua orang tua tercinta dan keluarga atas jasa doa, bimbingan dan

nasehat.

6. Segenap dosen dan staf karyawan Sekolah Tingi Manajemen Informatika

dan Komputer Subang.

7. Serta rekan Mahasiswa/i yang telah memberikan masukan dan

bantuannya dalam menyelesaikan tugas akhir ini.

Penulis berusaha untuk menyelesaikan Tugas Akhir ini sebaik mungkin,

tetapi penulis sadar akan keterbatasan dan kekurangan yang penulis miliki. Untuk

itu penulis mohon maaf atas keterbatasan dan kekurangan laporan ini dan

mengharapkan adanya kritik dan saran untuk pengembangan diri penulis di masa

mendatang, semoga Allah SWT senantiasa melipahkan rahmat dan hidayah-Nya

kepada kita. Amin

Subang, Agustus 2018

Lilik Yuliani

vi
Daftar Isi

Cover ........................................................................................................................ i
Lembar Pengesahan ................................................................................................ ii
Abstraksi ................................................................................................................ iii
Abstract .................................................................................................................. iv
Kata Pengantar ........................................................................................................ v
Daftar Isi ............................................................................................................... vii
Daftar Tabel ............................................................................................................ x
Daftar Gambar........................................................................................................ xi
Bab I Pendahuluan ................................................................................................ 13
1.1 Latar Belakang Masalah ......................................................................... 13
1.2 Identifikasi Masalah ............................................................................... 15
1.3 Tujuan Penelitian.................................................................................... 15
1.4 Manfaat Penelitian.................................................................................. 15
1.5 Batasan Masalah ..................................................................................... 16
1.6 Metodologi Penelitian ............................................................................ 17
1.7 Sistematika Penyusunan Tugas Akhir .................................................... 18
Bab II Landasan Teori........................................................................................... 19
2.1 Data Mining............................................................................................ 19
2.2 Clustering ............................................................................................... 19
2.3 K-Means ................................................................................................. 21
2.4 Kumbung Jamur ..................................................................................... 23
2.5 Jamur Tiram ........................................................................................... 24
2.6 Sistem Monitoring .................................................................................. 25
2.7 MQTT ..................................................................................................... 25
2.8 IoT (Internet of Things) .......................................................................... 26
2.9 Platform Node-Red ................................................................................. 26
2.10 Nodemcu ESP8266 ................................................................................. 28
2.11 Bahasa C ................................................................................................. 29
2.12 Sensor ..................................................................................................... 29
2.12.1 Sensor DHT11 .................................................................................... 29

vii
2.12.2 Sensor LM35 ...................................................................................... 30
2.13 PHP ........................................................................................................ 31
2.14 MySQL ................................................................................................... 33
2.15 Data Flow Diagram (DFD)..................................................................... 33
2.16 ERD (Entity Relationship Diagram) ...................................................... 37
2.17 Pengertian Flow – Based Programming (FBP) ..................................... 40
2.18 Pengertian Flowchart ............................................................................. 40
Bab III Analisa Dan Perancangan Sistem ............................................................. 43
3.1 Analisa Kebutuhan ................................................................................. 43
3.2 Analisa Sistem Manual........................................................................... 44
3.3 Flowchart ............................................................................................... 55
3.4 Diagram Konteks .................................................................................... 56
3.5 Data Flow Diagram (DFD)..................................................................... 58
3.6 Entity Relationship Diagram (ERD) ...................................................... 60
3.7 Flow Node-Red ...................................................................................... 61
3.8 Struktur Tabel ......................................................................................... 61
3.9 Rancangan Antarmuka ........................................................................... 63
3.10 Asitektur Jaringan................................................................................... 65
3.11 Tabel IP .................................................................................................. 66
3.12 Arsitektur Perancangan Perangkat Keras ............................................... 66
Bab IV Implementasi Dan Pengujian.................................................................... 68
4.1 Spesifikasi Perangkat Lunak .................................................................. 68
4.2 Spesifikasi Perangkat Keras ................................................................... 68
4.3 Implementasi Basis Data ........................................................................ 69
4.4 Implementasi Antarmuka Sistem ........................................................... 72
4.5 Implementasi Antarmuka Data Pengujian .............................................. 75
4.6 Implementasi Pengujian Alat ................................................................. 77
4.7 Tabel Hasil Pengujian Alat..................................................................... 79
4.8 Tabel Hasil Pengujian Sistem................................................................. 80
Bab V Kesimpulan Dan Saran .............................................................................. 81
5.1 Kesimpulan ............................................................................................. 81
5.2 Saran ....................................................................................................... 81

viii
Daftar Pustaka ....................................................................................................... 83
Lampiran ............................................................................................................... 84

ix
Daftar Tabel

Tabel 2. 1 Simbol DFD ......................................................................................... 35


Tabel 2. 2 Komponen ERD ................................................................................... 37
Tabel 2. 3 Simbol-simbol Flowchart..................................................................... 41
Tabel 3. 1 Tabel data mentah ................................................................................ 43
Tabel 3. 2 Titik pusat awal setiap cluster .............................................................. 44
Tabel 3. 3 Hasil perhitungan iterasi 1 ................................................................... 46
Tabel 3. 4 Hasil cluster satu pada iterasi ke 1 ....................................................... 47
Tabel 3. 5 Hasil cluster dua pada iterasi ke 1 ........................................................ 48
Tabel 3. 6 Tabel titik centroid baru pada iterasi ke – 1......................................... 48
Tabel 3. 7 Nilai BCV dan WCV ........................................................................... 48
Tabel 3. 8 Hasil perhitungan manual iterasi ke – 2 ............................................... 49
Tabel 3. 9 Hasil cluster satu pada iterasi ke – 2 .................................................... 50
Tabel 3. 10 Hasil cluster dua pada iterasi ke – 2................................................... 51
Tabel 3. 11 Tabel titik centroid baru pada iterasi ke – 2 ....................................... 51
Tabel 3. 12 Tabel nilai BCV dan WCV pada iterasi ke – 2 .................................. 51
Tabel 3. 13 Hasil perhitungan manual iterasi ke – 3 ............................................. 52
Tabel 3. 14 Hasil cluster satu pada iterasi ke – 3 .................................................. 53
Tabel 3. 15 Hasil cluster dua pada iterasi ke – 3................................................... 54
Tabel 3. 16 Tabel nilai BCV dan WCV pada iterasi ke – 3 .................................. 54
Tabel 3. 17 Struktur tabel data_sensor .................................................................. 62
Tabel 3. 18 Struktur tabel centroid_temp.............................................................. 62
Tabel 3. 19 Struktur tabel hasil_centroid .............................................................. 62
Tabel 3. 20 Tabel IP .............................................................................................. 66
Tabel 4. 1 Spesifikasi perangkat lunak ................................................................. 68
Tabel 4. 2 Spesifikasi perangkat keras .................................................................. 68
Tabel 4. 3 Tabel hasil pengujian alat .................................................................... 79
Tabel 4. 4 Tabel hasil pengujian sistem ................................................................ 80

x
Daftar Gambar

Gambar 2. 1 Proses Clustering ............................................................................. 21


Gambar 2. 2 Contoh Flow didalam lingkungan pengembangan Node-Red ......... 27
Gambar 2. 3 NodeMCU ESP8266 ........................................................................ 28
Gambar 2. 4 Sensor DHT11 .................................................................................. 30
Gambar 2. 5 Sensor Suhu LM35 ........................................................................... 31
Gambar 3. 1 Flowchart.......................................................................................... 55
Gambar 3. 2 DFD Level 1 ..................................................................................... 58
Gambar 3. 3 ERD (Entity Relationship Diagram) ................................................ 60
Gambar 3. 4 Flow input data objek ....................................................................... 61
Gambar 3. 5 Halaman monitoring......................................................................... 63
Gambar 3. 6 Halaman data sensor ........................................................................ 64
Gambar 3. 7 Penghitungan Metode....................................................................... 65
Gambar 3. 8 Arsitektur jaringan ........................................................................... 65
Gambar 3. 9 Arsitektur perancangan perangkat keras .......................................... 67
Gambar 4. 1 Pembuatan tabel pada database ....................................................... 69
Gambar 4. 2 Struktur tabel centroid_temp ............................................................ 70
Gambar 4. 3 Daftar tabel lengkap ......................................................................... 70
Gambar 4. 4 Tampilan relasi tabel ........................................................................ 71
Gambar 4. 5 Data hasil penelitian ......................................................................... 71
Gambar 4. 7 Tampilan menjalankan node-red ...................................................... 72
Gambar 4. 8 Tampilan utama sistem .................................................................... 73
Gambar 4. 9 Tampilan menu pada sistem ............................................................. 73
Gambar 4. 10 Tampilan menu data sensor ............................................................ 74
Gambar 4. 11 Tampilan perhitungan data iterasi .................................................. 74
Gambar 4. 12 Tampilan akhir dari perhitungan .................................................... 75
Gambar 4. 13 Data tempat untuk data penelitian .................................................. 75
Gambar 4. 14 Tabel tiap hasil iterasi 1 ................................................................. 76
Gambar 4. 15 Perhitungan iterasi berakhir ........................................................... 77
Gambar 4. 16 Pengujian alat sensor suhu dan kelembapan. ................................. 78
Gambar 4. 17 Pengujian tingkat ke akuratan alat ................................................. 79

xi
xii
Bab I
Pendahuluan

1.1 Latar Belakang Masalah

Kumbung adalah rumah khusus dibangun untuk digunakan sebagai tempat

membudidayakan jamur konsumsi dan berfungsi melindungi media tanam jamur

(baglog) dari air hujan dan matahari langsung. Jamur dapat tumbuh berkembang

dengan baik di pengaruhi oleh ruangan untuk mendukung proses berkembangnya

jamur, suhu dan kelembapan dalam ruangan.

Pada budidaya jamur tiram suhu udara memegang pranan penting untuk

mendapatkan pertumbuhan badan buah yang optimal. Pada umumnya suhu yang

umumnya suhu yang optimal untuk pertumbuhan jamur tiram, dibedakan dalam

dua fase yaitu fase inkubasi yang memerlukan suhu udara berkisar Antara 22 – 28

derajat Celsius dengan kelembapan 60 – 70 % dan fase pembentukan tumbuh

buah memerlukan suhu udara sama antara 22 – 28 derajat Celsius.

Pada penelitian sebelumnya pernah dilakukan oleh, Lingga Hermawan,

(2018) tentang Rancang Bangun Sistem Monitoring Budidaya Jamur Tiram

Berbasis Arduin uno dalam penelitian ini menggunakan sensor DHT 11 sebagai

sensor suhu dan kelembapan, sensor MQ 135 sebagai sensor udara.ing Budidaya

Jamur Tiram Berbasis Arduin uno dalam penelitian ini menggunakan sensor DHT

11 sebagai sensor suhu dan kelembapan, sensor MQ 135 sebagai sensor udara.

Tandiono, Ade Berlian (2016) Pengendalian Suhu dan Kelembapan pada

budidaya jamur tiram dengan menggunakan metode kontrol logika fuzzy. Hasil

13
14

penelitian system dapat mencapai target dari set poin yang telah di tentukan,

dengan nilai set point 22 derajat celcius dan kelembapan 90%RH.

Benri Melpa Metisen (2015) tentang Analisis Clustering Menggunakan

Metode K-means Dalam Pengelompokan Penjualan Produk Pada Swalayan

Fadhila. Hasil penelitian menunjukan proses cluster secara hirarki dengan

menggunakan metode k-means menghasilkan sebuah informasi gambaran

penjualan terkluster atau terkelompok.

Rinjan Putri Laras (2017) hasil dari pembelajaran algoritma k-means

tersebut berupa penjadwalan untuk menyalakan dan mematikan peralatan

elektronik pada waktu yang optimal.

Karsid (2015) Aplikasi Kontrol Suhu dan Kelembapan untuk Peningkatan

Produktivitas Budidaya Jamur Merang. Sistem kontrol yang digunakan

menggunakan mikrokontroler atmega 8535 yang dilengkapi dengan keypad untuk

melakukan seting temperature dan kelembapan (Ogata, 1997).

Hal inilah yang melatar belakangi penulis untuk mengetahui lebih jelas dan

mengembangkan “SISTEM MONITORING KUBUNG JAMUR TIRAM

BERBASIS IoT (Internet of Things) MENGGUNAKAN METODE K-MEANS

PADA PLATFORM NODE-RED”.


1.2 Identifikasi Masalah

Berdasarkan latar belakang diatas, maka dapat diidentifikasi beberapa

permasalahan sebagai berikut:

1. Diperlukannya sebuah alat dan sistem untuk memonitoring suhu dan

kelembapan pada kubung jamur.

2. Dimungkinkan mengimplementasi algoritma K-Means untuk

menghasilkan pengetahuan baru dari kasus-kasus penentuan suhu

dan kelembapan pada kubung jamur yang sudah ada sebelumnya.

1.3 Tujuan Penelitian

Tujuan yang ingin diperoleh dari penelitian ini adalah sebagai berikut:

1. Membuat alat dan sistem monitoring kubung jamur.

2. Mengimplementasikan teknologi informasi yang ada untuk

membantu para pembudidaya jamur.

3. Mempermudah dalam mengetahui tingkat suhu dan kelembapan

kubung jamur.

1.4 Manfaat Penelitian

1. Mengantisipasi perubahan cuaca yang berubah-ubah yang dapat

mempengaruhi suhu dan kelembapan kubung jamur.

2. Hasil dari sistem dan alat ini membuat para pembudidaya

mengurangi resiko gagal panen.

15
16

3. Menerapkan teknologi untuk mempermudah pekerjaan pembudidaya

untuk memonitoring suhu dan kelembapan.

1.5 Batasan Masalah

Dalam Pembuatan Alat dan Sistem ini, penulis membatasi masalah sebagai

berikut :

1. Sistem monitoring hanya memberikan informasi suhu dan

kelembapan kubung jamur.

2. Pengelompokan tempat hanya 3 objek dalam pembuatan Tugas

Akhir ini adalah di daerah Tambakan, Ciherang dan Kasomalang

Kab. Subang.

3. Sistem yang akan dibuat berbasis IoT menggunakan bahasa

pemrograman arduino dan platform Node-Red.

4. Metode yang digunakan dalam pembuatan Tugas Akhir ini adalah

metode K-Means.

5. Alat dan sistem menggunakan jaringan LAN sehingga tidak bias

diakses secara publik.

6. Merancang sistem dan alat monitoring dengan menggunakan

beberapa alat diantaranya Breadbord, kabel jumper, sensor suhu

LM35, sensor DHT11, NodeMcu8266.


1.6 Metodologi Penelitian

Metode yang digunakan dalam Tugas Akhir ini adalah:

1. Studi Pustaka, Studi pustaka akan dilakukan pada seluruh proses

pengerjaan Tugas Akhir tentang sistem monitoring kubung jamur

berbasis IoT (Internet of Things) menggunakan metode K-Means

pada platform Node-Red.

2. Studi Lapangan, Studi lapangan dilakukan dengan cara meneliti

secara langsung. Hal ini dilakukan untuk mendapatkan data–data dan

keterangan–keterangan yang berhubungan dengan masalah yang

sedang diteliti.

3. Perangkaian Modul Hardware dan Software, Perangkaian modul

hardware dan software dilakukan dengan memilih, menguji, dan

melakukan kombinasi dari modul perangkat keras dan perangkat

lunak yang mendukung terhadap fungsi sistem.

17
18

1.7 Sistematika Penyusunan Tugas Akhir

Bab I Pendahuluan, bab ini berisi latar belakang sistem monitoring kubung

jamur menggunakan metode K-Means, identifikasi masalah, batasan masalah,

tujuan, manfaat, metodologi penelitian, dan sistematika penulisan.

Bab II Landasan Teori, bab ini berisi mengenai teori-teori yang berkaitan

dengan sistem yang akan dibuat.

Bab III Analisis dan Perancangan Sistem, bab ini berisi mengenai analisa

dari penelitian yang dilakukan seperti analisa kebutuhan sistem, algoritma atau

metode yang digunakan, kebutuhan data, model sistem dan rancangan antar muka

pada sistem sistem monitoring kubung jamur.

Bab IV Implementasi dan Pengujian, bab ini berisi mengenai implementasi

sistem penjemur pakaian otomatis bebasis IoT dari perancangan yang telah dibuat

dan hasil pengujiannya.

Bab V Kesimpulan Dan Saran, bab akhir ini berisi mengenai kesimpulan isi

dari keseluruhan uraian bab-bab sebelumnya dan saran-saran dari hasil yang

diperoleh dan diharapkan dapat bermanfaat dalam pengembangan selanjutnya.


Bab II
Landasan Teori

2.1 Data Mining

Data mining (Pengembangan data) merupakan ilmu multidisiplin,

menggambarkan area-area kerja yang termasuk didalamnya adalah teknologi basis

data, pembelajaran mesin statik, pengenalan pola, pengambilan informasi jaringan

saraf tiruan, sistem pengetahuan , kecerdsan buatan, komputasi kinerja-tinggi, dan

visualisasi data (J. Han, K. a., 2007).

Machine Learning, merupakan area dalam artificial intelligence atau

kecerdasan buatan yang membahas hubungan suatu pengembang teknik-teknik

yang dapat deprogram dan belajar dari masa lalu. Pengenalan pola, data mining

dan machine learning dapat dipakai menyebut sesuatu yang sama. Bidang ini

ketergantungan dengan probabilitas dan statistic kadang juga optimis. Machine

learning menjadi alat analisis dalam data mining. (J. Han, K. a., 2007).

2.2 Clustering

Clustering mengacu pada pengelompokkan data, observasi atau kasus

berdasar kemiripan objek yang diteliti (Muningsih, 2015). Sebuah cluster adalah

suatu kumpulan data yang mirip dengan lainnya atau ketidakmiripan data pada

kelompok lain (Larose, 2005). Clustering dijelaskan oleh (Xu, dkk, 2009)

diartikan dengan membagi objek data (bentuk, entitas, contoh, ketaatan, unit) ke

dalam beberapa jumlah kelompok (grup, bagian atau kategori). Sedangkan tujuan

proses clustering dijelaskan oleh (Agusta, 2007) yaitu untuk meminimalkan

19
20

terjadinya objective function yang diset dalam proses clustering, yang pada

umumnya digunakan untuk meminimalisasikan variasi dalam suatu cluster dan

memaksimalkan variasi antar cluster.

Clustering merupakan klasifikasi tanpa pengawasan dan merupakan proses

partisi sekumpulan objek data dari satu set menjadi beberapa kelas. Hal ini dapat

dilakukan dengan menerapkan berbagai persamaan dan langkah-langkah

mengenai jarak algoritma, yaitu dengan Euclidean distance. Analisis cluster ialah

metode yang dipakai untuk membagi rangkaian data menjadi beberapa grup

berdasarkan kesamaan-kesamaan yang telah ditentukan sebelumnya. Dalam

menentukan cluster berdasarkan data yang telah tersedia, dibutuhkan sebuah

flowchart untuk memudahkan dalam menentukan alur perhitungan sebagai alur

untuk menemukan hasil dari penerapan cluster terhadap data yang akan diproses.

Berikut adalah flowchart dalam menentukan cluster dengan k-means, seperti pada

Gambar 2.1.
21

Start

Banyak
Cluster

Tentukan pusat

Hitung jarak objek ke


pusat

Kelompokkan objek berdasarkan


jarak minimum

Ada Objek yang


Ya
harus dipindah?

End

Gambar 2. 1 Proses Clustering


https://jurnal.unimed.ac.id/2012/index.php/cess/article/download/13620/pdf.

2.3 K-Means

K-Means adalah metode yang termasuk dalam algoritma clustering berbasis

jarak yang membagi data ke dalam sejumlah cluster dan algoritma ini hanya

bekerja pada atribut numerik . Pengelompokan data dengan metode K-Means

dilakukan dengan dengan algoritma :

1. Tentukan jumlah kelompok

2. Alokasikan data ke dalam kelompok secara acak

3. Hitung pusat kelompok (centroid rata-rata) dari data yang ada di masing-

masing kelompok. Lokasi centroid setiap kelompok diambil dari rata –

rata (mean) semua nilai data setiap fiturnya . Jika M menyatakan jumlah

data dalams sebuah kelompok , i menyatakan fitur ke-i dalam sebuah


22

kelompok , dan menyatakan dimensi data , maka persamaan untuk

menghitung centroid fitur ke-i digunakan persamaan 1 .

1 𝑀
𝐶𝑖 = 𝑀 𝐽=1 𝑋𝑗...........………......……………………………….…(2.1)

4.

Alokasikan masing-masing data ke centroid/rata terdekat . Ada beberapa

cara yang dapat dilakukan ke pusat kelompok, diantaranya adalah Euclidean

. Pengukuran jarak pada ruang jarak (distance space) Eucilidean dapat dicari

menggunakan persamaan 2.

𝑑= 𝑥1 − 𝑥2 2 + 𝑦1 − 𝑦2 2 …………………………………(2.2)

Pengalokasian kembali data ke dalam masing-masing kelompok dalam

metode K-Means didasarkan pada perbandingan jarak antara data dengan

centroid setiap kelompok yang ada . Data dialokasikan ulang secara tegas

ke kelompok yang mempunyai centroid dengan data tersebut dapat di

gunakan persamaan 3 di bawah ini

1 𝑑 = min{𝐷 𝑋𝑖9 𝐶1} ..…(2.3)


𝑎𝑖𝑙 = ………………(2.3)
0 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

ail adalah nilai keanggotaan titik xi ke pusat kelompok c1 , d adalah

jarak terpendek dari data xi ke K kelompok setelah dibandingkan dan c1

adalah centroid (pusat kelompok) ke 1. Fungsi objektif yang digunakan untuk

metode K-means ditentukan berdasarkan jarak dan nilai keanggotaan data

dalam kelompok. Fungsi objektif dapat ditentukan menggunakan persamaan

4
23

𝑛 𝑘
𝐽= 𝑖=1 𝑙=1 𝑎𝑖𝑐 𝐷 𝑥𝑖 𝑐1 2 ……………………………………(2.4)

n adalah jumlah data , k adalah jumlah kelompok , ai1 adalah nilai

kanggotaan titik data xi ke kelompok c1 yang diikuti . a mempunyai nilai 0

atau 1 . Apabila data merupakan anggota suatu kelompok , nilai ai1 = 1 jika

tidak , nilai ai1 = 0.

5. Kembali ke langkah 3, apabila masih ada data yang berpindah kelompok

atau apabila ada perubahan nilai centroid di atas nilai pada fungsi objektif

yang digunakan masih di atas nilai ambang yang ditentukan (Dhuhita,

2015).

2.4 Kumbung Jamur

Kumbung adalah rumah khusus dibangun untuk digunakan sebagai tempat

membudidayakan jamur konsumsi dan berfungsi melindungi media tanam jamur

(baglog) dari air hujan dan sinar matahari langsung serta kemungkinan masuknya

kontaminan spora jamur lain yang tidak diharapkan. Kondisi di dalam kumbung

jamur dapat di atur menggunakan bahan dan konstruksi tertentu sehingga

menyerupai keadaan asli di lingkungan tumbuh jamur (Rifai, T, 2012)

Dalam proses budidaya jamur pada kumbung sangat tergantung pada factor

fisik seperti suhu, kelembaban, cahaya, pH media tanam, dan aerasi, udara. Pada

jamur tiram dapat dihasilkan tubuh buah secara optimum pada rentang suhu 26-28

°C, kelembaban udara 80-90% dan pH media tanam yang agak masam antara 5-6

(Susilawati, S., 2011).


24

2.5 Jamur Tiram

Jamur tiram (Pleurotus sp) merupakan salah satu jenis jamur kayu yang

dapat dikonsumsi oleh manusia. Jamur tiram secara alami tumbuh liar di hutan

tropis. Di Indonesia terdapat banyak hutan tropis, sehingga jamur tiram memiliki

potensi tumbuh dan berkembang dengan baik. Jamur tiram memiliki banyak

manfaat, salah satunya sebagai bahan pangan. Hal tersebut menjadikan jamur

tiram banyak dibudidayakan. Jamur Tiram merupakan salah satu sayuran sehat

yang sudah banyak dikenal dan dikonsumsi yang merupakan sumber mineral yang

baik. Dengan kandungan mineral utama K, Na, P, Ca, dan Fe, jamur tiram juga

berkhasiat menurunkan kadar kolestrol, mencegah diabetes, dan berperan sebagai

anti kanker (Cahyana, B. Mucrodji., 1999)

Budidaya jamur tiram memiliki potensi besar sebagai sebuah bisnis.

Permintaan konsumen yang besar dan terus meningkat menjadikan jamur tiram

memiliki nilai ekonomi yang tinggi. Jamur tiram dapat ditemukan dalam bentuk

segar, kering maupun telah diolah. Pada budidaya jamur tiram suhu udara

memegang pranan penting untuk mendapatkan pertumbuhan badan buah yang

optimal. Pada umumnya suhu yang optimal untuk pertumbuhan jamur tiram,

dibedakan dalam dua fase yaitu fase inkubasi yang memerlukan suhu udara

berkisar Antara 22 – 28 derajat Celsius dengan kelembapan 60 – 70 % dan fase

pembentukan tumbuh buah memerlukan suhu udara sama antara 22 – 28 derajat

Celsius.
25

2.6 Sistem Monitoring

Sistem monitoring merupakan sistem yang didesain untuk bisa memberikan

feedback ketika program sedang menjalankan fungsinya. Feedback dimaksudkan

untuk memberikan informasi keadaaan sistem pada saat itu. Sistem monitoring

merupakan kumpulan prosedur dan program untuk mengkomputasi sistem

informasi yang didesain untuk mencatat dan mentransmisikan data berdasarkan

informasi yang diperoleh. Sistem monitoring adalah kumpulan fitur informatif

yang memberikan informasi mengenai apa saja yang terjadi dengan sistem yang di

monitor (Siswanto, Apri & Faldana, Rido, 2014).

2.7 MQTT

MQTT (Message Queue Telemetry Transport) yaitu protokol yang

digunakan untuk komunikasi antar device IoT. Protokol MQTT merupakan yang

open, simple, dan ringan, dan protokol yang mudh diimplementasikan untuk

messaging. Sehingga karakteristik ini membuat MQTT ideal untuk klien dengan

lingkungan dimana bandwith network dan device dengan kemampuan memori dan

proses yang renda (Dhall, R., & Solanki, V.J., 2017)

Protokol MQTT berjalan diatas TCP. MQTT menggunakan model Publish-

Subscribe untuk komunikasi antara device yang ada. Model Publish-Subscribe di

desain agar mudah untuk diimplementasikan dan bersifat open (Dhall, R., &

Solanki, V.J., 2017).


26

2.8 IoT (Internet of Things)

Internet of Things (IoT) merupakan sebuah konsep yang bertujuan untuk

memperluas manfaat dari konektivitas internet yang tersambung secara terus

menerus (Placeholder1). Suatu benda dikatakan IoT apabila terdapat pada suatu

benda elektronik, atau peralatan apa saja yang tersambung ke suatu jaringan lokal

dan global melalui sensor yang tertanam dan selalu aktif. Cara kerja IoT yaitu

dengan memanfaatkan sebuah argumentasi pemrograman yang setiap perintah

dari suatu argument menghasilkan sebuah interaksi dan komunikasi antara sesama

mesin yang terhubung secara otomatis dan yang menjadi media penghubung

antara perangkat tersebut adalah internet (Placeholder1).

Internet of Things memiliki potensi untuk mengubah dunia seperti pernah

dilakukan oleh internet, bahkan mungkin lebih baik (Ashton, 2009).

IoT terdiri atas komponen – komponen :

a. Platform Hardware

b. Gateway

c. Software

Layanan Cloud (berjalan di Cloud untuk keperluan pengumpulan data dan

analisa).

2.9 Platform Node-Red

Node-RED adalah sebuah tool berbasis browser untuk membuat aplikasi

Internet of Things (IoT) yang mana lingkungan pemrograman visualnya

mempermudah penggunanya untuk membuat aplikasi sebagai “flow”. Lanskap

bahasa pemrograman sangatlah luas dan meliput berbagai jenis gaya dan
27

paradigma pemrograman. Bahasa imperatif berorientasi objek saat ini menguasai

dunia pemrograman, namun begitu sebetulnya ada alternatif untuk pengembangan

atau produksi software dan juga untuk membuat prototipe ide dengan cepat

(Mulyono, Qomaruddin, & Anwar, 2018). Seperti pada Gambar 2.2

Gambar 2. 2 Contoh Flow didalam lingkungan pengembangan Node-Red.

Flow ini terbentuk dari node-node yang saling berhubungan dimana tiap

node melakukan tugas tertentu. Walaupun Node-RED di desain untuk Internet of

Things (IoT), ia juga dapat digunakan untuk keperluan umum dan untuk berbagai

jenis macam aplikasi (Tim J., 2016).

1. Node-RED menyediakan berbagai jenis node yang dapat membuat

membuat developer langsung menjadi produktif, seperti:

2. Menampilkan input node dan output node yang mana mengizinkan

subskripsi dan tanda terima dari topik MQ Telemetry Transport (MQTT)

dan keluaran dari topik MQTT ke sebuah broker.


28

3. Mengembangan layanan web melalui permintaan HTTP (beserta

pembuatan balasan HTTP); dan TCP level rendah dah layanan User

Datagram Protocol yang dapat membuat server, menerima input, dan

menghasilkan output.

2.10 Nodemcu ESP8266

NodeMCU adalah sebuah platform IoT yang bersifat opensource. Terdiri

dari perangkat keras berupa sistem On Chip ESP8266 dari ESP8266 buatan

Espressif System, juga firmware yang digunakan, yang menggunakan bahasa

pemrograman scripting Lua. Istilah NodeMCU secara default sebenarnya

mengacu pada firmware yang digunakan daripada perangkat keras development

kit.

NodeMCU berupa board yang memiliki fitur layaknya mikrokontroler serta

kapabilitas akses terhadap wifi juga chip komunikasi USB to serial. Pada board

terdapat beberapa pin masukan dan keluaran yang dapat digunakan untuk

menyambungkan komponen yang diinginkan. (Mido, 2018). Seperti pada gambar

2.3.

Gambar 2. 3 NodeMCU ESP8266


https://pupilsys.com/tutorials/nodemcu-8266-jpg/
29

2.11 Bahasa C

Bahasa C ini dibangun oleh Dennis Ritchie dari AT&T Bell Labs pada

tahun 1972. Bahasa C khusus dibuat untuk pemrograman secara umum dan

menjadi bahasa yang paling luas digunakan di seluruh dunia. (Suarga, 2012).

Kompiler C dapat digunakan hampir di seluruh arsitektur komputer dari sistem

operasi. Desain bahasa C menyediakan kompiler yang memberikan akses level

rendah ke memori sehingga hasil kompilasi relatif lebih efisien untuk di

pindahkan ke dalam bahasa mesin. Kemampuan bahasa C tersebut

memungkinkan terciptanya sistem operasi baru seperti UNIX. Bahkan Microsoft

kemudian mengadopsi bahasa C untuk membuat sistem operasi Windows pada

tahun 80-an. (Suarga, 2012).

2.12 Sensor

Sensor adalah detektor yang memiliki kemampuan untuk mengukur

beberapa jenis kualitas fisik yang terjadi, seperti tekanan atau cahaya. Sensor

kemudian akan dapat mengkonversi pengukuran menjadi sinyal bahwa seseorang

akan dapat membaca. Sebagian besar sensor yang digunakan saat ini benar-benar

akan dapat berkomunikasi dengan perangkat elektronik yang akan melakukan

pengukuran dan perekaman (Syam, Rafiudin, 2013).

Sensor yang digunakan penulis dalam pembuatan tugas akhir ini diantaranya:

2.12.1 Sensor DHT11

DHT11 adalah sensor digital yang dapat mengukur suhu dan kelembaban

udara disekitarnya. Sensor ini sangat mudah digunakan bersama dengan Arduino.
30

Memiliki tingkat stabilitas yang sangat baik serta fitur kalibrasi yang sangat

akurat. Koefisien kalibrasi disimpan dalam OTP program memory, sehingga

ketika internal sensor mendeteksi sesuatu, maka modul ini menyertakan koefisien

tersebut dalam kalkulasinya. (Septiani, 2017). Seperti pada Gambar 2.4.

Gambar 2. 4 Sensor DHT11


https://fotaks.com/product/dht11-temperature-and-humidity-sensor-module-for-
arduino/

2.12.2 Sensor LM35

Menurut Faris Septiawan (2010) Sensor adalah jenis tranduser yang

digunakan untuk mengubah besaran mekanis, magnetis, panas, sinar, dan kimia

menjadi tegangan dan arus listrik. Sensor sering digunakan untuk pendeteksian

pada saat melakukan pengukuran atau pengendalian. Beberapa jenis sensor yang

banyak digunakan dalam rangkaian elektronik antara lain sensor cahaya, sensor

suhu, dan sensor tekanan. Sensor suhu ada beberapa macam, namun disini kami

menggunakan sensor suhu jenis IC LM35. Sensor suhu menggunakan komponen

utama
31

IC LM35 sebagai sensor suhu, lihat gambar 16. LM35 merupakan sensor

suhu yang akurat dimana tegangan keluaran berbanding lurus dengan suhu dalam

derajat celcius sebesar 10mV/°C. Seperti pada Gambar 2.5.

Gambar 2. 5 Sensor Suhu LM35


Sumber : https://roboticbd.com/sensor/20-lm35-temperature-sensor.html

2.13 PHP

PHP adalah bahasa pemograman script server-side yang didesain untuk

membangun website. Selain itu PHP juga sebagai bahasa pemograman umum.

PHP dikembangkan di tahun 1995 oleh Ramsus Lerdorf dan sekarang

dikelola oleh The PHP Group. Situs resmi sudah tersedia di www.php.net .

Kenapa PHP disebut sebagai server – side, Karena php itu sendiri diproses pada

komputer server . Hal ini berbeda dengan bahasa pemograman client-side seperti

Javascript diproses pada web browser (client).

Pada awalnya kepanjangan PHP adalah Personal Home Page lalu menjadi

PHP : Hypertext Preprocessor . Sesuai dengan kepanjangannya tersebut PHP bisa

digunakan membuat website pribadi . Dalam tahun ke tahun perkembangannya,

PHP menjadi bahasa pemograman web yang sangat bagus dan tidak hanya bisa

membuat halaman webiste sederhana, PHP pun bisa membuat website seperti

Joomla, Wikipedia, dll . PHP sendiri bersifat gratis atau open source yang dimana
32

kita bisa bebas melakukan apapun untuk mengembangkan website tersebut . Pada

tahun 2014 PHP paling banyak digunakan dengan nilai 82%.


33

2.14 MySQL

MySQL adalah sebuah program database server yang mampu menerima dan

mengirimkan datanya sangat cepat, multi user serta menggunakan perintah dasar

SQL (Structured Query Language).

MySQL merupakan dua bentuk lisensi, yaitu FreeSoftware dan Shareware.

MySQL yang biasa kita gunakan adalah MySQL FreeSoftware yang berada

dibawah Lisensi GNU/GPL (General Public Lisence).

MySQL Merupakan sebuah database server yang free, artinya kita bebas

menggunakan database ini untuk keperluan pribadi atau usaha tanpa harus

membeli atau membayar lisensinya. MySQL pertama kali dirintis oleh seorang

programmer database bernama Michael Widenius. Selain database server,

MySQL juga merupakan program yang dapat mengakses suatu database MySQL

yang berposisi sebagai Server, yang berarti program kita berposisi sebagai Client.

Jadi MySQL adalah sebuah database yang dapat digunakan sebagai Client

maupun server.

Database MySQL merupakan suatu perangkat lunak database yang

berbentuk database relasional atau disebut Relational Database Management

System (RDBMS) yang menggunakan suatu bahasa permintaan yang bernama

SQL (Structured Query Language). (Saputro, Haris, 2012).

2.15 Data Flow Diagram (DFD)

Data Flow Diagram (DFD) bisa disebut juga Diagram Arus Data (DAD)

adalah suatu model logika data atau proses yang dibuat untuk menggambarkan

darimana asal data , dan kemana tujuan data yang keluar dari sistem , dimana
34

data disimpan , proses apa yang menghasilkan data tersebut , interaksi antara data

yang tersimpan dan proses yang dilakukan pada data tersebut.

DFD yang di dalam bahasa Indonesia disebut sebagai DAD (Diagram Arus

Data) memperlihatkan gambaran tentang masukan-proses-keluaran dari suatu

sistem/perangkat lunak, yaitu obyek-obyek data mengalir ke dalam perangkat

lunak, kemudian ditransformasi oleh elemen-elemen pemrosesan dan obyek-

obyek data hasilnya akan mengalir keluar dari sistem/perangkat lunak (S.

Pressman, 2012). Obyek-obyek data dalam penggambaran DFD biasanya

direpresentasikan menggunakan tanda panah berlabel dan transformasi-

transformasi biasanya direpresentasikan menggunakan lingkaran-lingkaran yang

sering disebut sebagai gelembung-gelembung (S. Pressman, 2012). DFD pada

dasarnya digambarkan dalam bentuk hirarki, yang pertama sering disebut sebagai

DFD level 0 yang menggambarkan sistem secara keseluruhan sedangkan DFD-

DFD berikutnya merupakan penghalusan dari DFD sebelumnya. DFD

menggunakan empat buah simbol, yaitu: semua simbol yang digunakan pada CD

ditambah satu simbol lagi untuk melambangkan data store.

Ada dua teknik dasar penggambaran simbol DFD yang umum dipakai:

pertama adalah Gane and Sarson sedangkan yang kedua adalahYourdon and De

Marco. Perbedaan yang mendasar pada teknik tersebut adalah lambang dari

simbol yang digunakan. Gane and Sarson menggunakan lambang segi empat

dengan ujung atas tumpul untuk menggambarkan process dan menggunakan

lambang segi empat dengan sisi kanan terbuka untuk menggambarkan data store.

Yourdon and De Marco menggunakan lambang lingkaran untuk menggambarkan


35

process dan menggunakan lambang garis sejajar untuk menggambarkan data

store. Sedangkan untuk simbol external entity dan simbol data flow kedua teknik

tersebut menggunakan lambang yang sama yaitu: segi empat untuk

melambangkan external entity dan anak panah untuk melambangkan data flow.

Seperti pada Tabel 2.1.

Tabel 2. 1 Simbol DFD


Notasi Yourdon/ Notasi Gane & Keterangan
DeMarco Sarson
Simbol Entitas
eksternal/Terminator
menggambarkan asal atau
tujuan data di luar sistem
Simbol lingkaran
menggambarkan sntitas
atau proses dimana data
masuk ditransformasikan
ke aliran data keluar
Simbol aliran data
menggambarkan aliran
data
Simbol file
menggambarkan tempat
data disimpan

Ada empat buah simbol pada DFD, yang masing-masingnya digunakan

untuk mewakili :

a. External entity (kesatuan luar) atau boundary (batas sistem), digunakan

untuk menyatakan: suatu kantor, departemen atau divisi dalam

perusahaan tetapi di luar sistem yang dikembangkan; orang atau

sekelompok orang di organisasi tetapi di luar sistem yang sedang

dikembangkan; suatu organisasi atau orang yang berada di luar


36

organisasi misal: langganan, pemasok; sistem informasi yang lain di

luar sistem yang sedang dikembangkan; sumber asli suatu transaksi;

penerima akhir dari suatu laporan yang dihasilkan oleh sistem.

b. Data flow (arus data), digunakan untuk menunjukkan arus dari data

yang dapat berupa: masukan untuk sistem ataupun hasil dari proses

system. Arus data sebaiknya diberi nama yang jelas dan mempunyai

arti. Di dalam menggambarkan arus data di DFD perlu diperhatikan

beberapa konsep berikut:

1. Konsep paket dari data (packet of data).

Bila dua atau lebih data mengalir dari suatu sumber yang sama

ke tujuan yang sama, maka dianggap sebagai suatu arus data

tunggal.

2. Konsep arus data menyebar (diverging data flow)

3. Menunjukkan sejumlah tembusan dari arus data yang sama dari

sumber yang sama ke tujuan berbeda.

4. Konsep arus data mengumpul (converging data flow)

Menunjukkan beberapa arus data yang berbeda bergabung

bersama-sama menuju ke tujuan yang sama.

5. Konsep sumber dan tujuan arus data

Semua arus data harus dihasilkan dari suatu proses atau menuju

ke suatu proses.

c. Process (proses), digunakan untuk menunjukkan kegiatan atau kerja

yag dilakukan oleh orang, mesin atau komputer dari hasil suatu arus
37

data yang masuk ke dalam proses untuk dihasilkan arus data yang

keluar dari proses. Suatu proses harus menerima arus data dan

menghasilkan arus data.

2.16 ERD (Entity Relationship Diagram)

Entity Relationship Diagram adalah untuk hubungan antara data dengan

mengidentifikasi jenis entitas dan hubungannya. ERD merupakan salah satu

model jaringan yang menggunakan sususan data secara acak . ERD juga

menghubungkan entitas dengan entitas lainnya sehingga bisa dikembangkan ke

database nantinya.

Model data ini juga akan membantu pada saat melakukan analisis dan

perancangan database, karena model data ini akan menunjukkan bermacam-

macam data yang dibutuhkan dan hubungan antar data.

ERD ini juga merupakan model konseptual yang dapat mendeskripsikan

hubungan antara file yang digunakan untuk memodelkan struktur data serta

hubungan antar data . Tetapi harus mengenali sismbol – simbol dasar dalam ERD

seperti pada Tabel 2.2 dibawah ini :

Tabel 2. 2 Komponen ERD


Simbol Keterangan

Entitas , yaitu kumpulan dari objek

yang dapat diidentifikasikan secara

untik

Relasi , yaitu hubungan antara entitas

satu dengan entitas lainnya . Antara


38

Simbol Keterangan

lain one to one , one to many , many to

many

Atribut , yaitu karakteristik dari entitas

atau relasi yang merupakan penjelasan

detail tentang entitas

Hubungan antara entitas dengan

atributnya dan himpunan entitas

dengan himpunan relasinya

Selain simbol diatas , sebenarnya masih banyak simbol lain . yaitu entitas

asosiatif , atribut , derivat dan lainnya . Akan tetapi simbol diatas tersebut inti

yang wajib diketahui . ada tiga komponen , yaitu entitas (entity) , atribut

(attribute) dan relasi (relation).Entitas merupakan dasar yang terlibat dalam

sistem . Atribut atau field berperan sebagai penjelas dari entitas dan relasi atau

hubungan yang menjadi antara dua entitas . Berikut ini adalah penjelasan lengkap

pada komponen diatas :

1. Entitas

Entitas merupakan objek – objek dasar yang terkait didalam sistem .

Objek dasar dapat berupa orang , benda , atau hal – hal yang perlu memiliki

keterangan untuk disimpan ke database. Untuk menggambarkan entitas

dilakukan dengan cara mengikuti aturan dibawah ini :

1. Entitas berbentuk simbol persegi panjang


39

2. Nama entitas berupa kata benda tunggal

3. Nama entitas harus menggunakan nama yang mudah dipahami

2. Atribut

Atribut mempunyai arti properti , merupakan keterangan – keterangan

yang terkait pada sebuah entitas yang perlu disimpan sebagai ke

database.Atribut berfungsi untuk memperlejas sebuah entitas. Untuk

menggambarkan atribut yang dilakukan harus mengikuti aturan dibawah ini

1. Atribut berbentuk simbol ellipse

2. Nama atribut ditulis dengan simbol ellipse

3. Nama atribut harus berupa kata benda tunggal

4. Nama atribut harus menggunakan nama yang mudah dipahami

5. Atribut menghubungkan dengan entitas yang sesuai dengan

menggunakan garis

3. Relasi

Relasi atau hubungan adalah kejadian atau transaksi yang terjadi

diantara dua entitas yang keterangannya perlu disimpan ke database. Aturan

penggambaran relasi antar entitas dibawah ini :

1. Relasi berbentuk simbol belah ketupat

2. Nama relasi dituliskan di dalam simbol belah ketupat

3. Relasi menghubungkan dua entitas

4. Nama relasi harus menggunakan awal kata (me) tunggal

5. Nama relasi harus mudah dipahami.


40

2.17 Pengertian Flow – Based Programming (FBP)

Flow – Based Programming adalah paradigma pemrograman yang

mendefinisikan aplikasi sebagai jaringan proses “Black Box”, yang bertukar data

melintas koneksi yang telah ditentukan melalui pengiriman pesan , dimana

koneksi tersebut ditentukan secara eksternal untuk proses tersebut. Proses –

proses black box ini dapat dihubungkan kembali tanpa henti untuk membentuk

aplikasi yang berbeda tanpa harus diubah secara internal.

FBP adalah bentuk tertentu dari pemrograman aliran data berdasarkan

buffer yang dibatasi, paket informasi dengan masa hidup yang ditentukan, port

bernama dan definisi koneksi yang terpisah.

2.18 Pengertian Flowchart

Untuk menggambarkan sebuah algoritma yang terstruktur dan mudah

dipahami oleh orang lain (khususnya programmer yang bertugas

mengimplementasikan program), maka dibutuhkan alat bantu yang berbentuk

diagram alir (flowchart). Flowchart menggambarkan urutan logika dari suatu

prosedur pemecahan masalah, sehingga flowchart merupakah langkah-langkah

penyelesaian masalah yang dituliskan dalam simbol-simbol tertentu. Diagram alir

ini selain dibutuhkan sebagai alat komunikasi, juga diperlukan sebagai

dokumentasi (Sitorus, 2015). Dan sebelum lebih jauh memahami komponen-

komponen diagram alir, maka perlu kiranya disampaikan aturan-aturan dalam

perencanaan diagram alir tersebut, yaitu :


41

1. Diagram alir digambarkan dengan orientasi dari atas ke bawah dan

dari kiri ke kanan.

2. Setiap kegiatan / proses dalam diagram alir harus dinyatakan secara

eksplisit.

2. Setiap diagram alir harus dimulai dari satu start state dan berakhir

pada satu atau lebih terminal akhir / terminator / halt state.

3. Gunakan connector dan off-page connector state dengan label yang

sama untuk menunjukkan keterhubungan antar path algoritma yang

terputus/terpotong, misalnya sebagai akibat pindah/ganti halaman.

Tujuan dari flowchart adalah untuk menggambarkan suatu tahapan

penyelesaian masalah secara sederhana, terurai, rapi dan jelas menggunakan

simbol-simbol yang standar. seperti pada Tabel 2.3.

Tabel 2. 3 Simbol-simbol Flowchart


No. Simbol Nama Fungsi

Menyatakan permulaan
1 Terminal atau akhir suatu
program
Menyatakan proses
input atau output tanpa
2 Input / Output
tergantung jenis
peralatannya
Menyatakan suatu
tindakan (proses) yang
3 Process
dilakukan oleh
computer
Menunjukkan suatu
kondisi tertentu yang
4 Decision akan menghasilkan dua
kemungkinan jawaban:
ya / tidak
42

No. Simbol Nama Fungsi

Menyatakan
sambungan dari proses
5 Connector
ke proses lainnya dalam
halaman yang sama

Menyatakan
Offline sambungan dari proses
6
Connector ke proses lainnya dalam
halaman yang berbeda
Menyatakan
penyediaan tempat
Predefined
7 penyimpanan suatu
Process
pengolahan untuk
memberi harga awal

Menyatakan input
8 Punched Card berasal dari kartu atau
output ditulis ke kartu

Mencetak keluaran
9 Document dalam bentuk dokumen
(melalui printer)

Menyatakan jalannya
10 Flow
arus suatu proses
Bab III
Analisa Dan Perancangan Sistem

3.1 Analisa Kebutuhan

Pada analisa kebutuhan sistem membahas beberapa kebutuhan dan

persyaratan terkait dengan input dan proses. Kebutuhan atau persyaratan ini

diperoleh melalui Pengambilan data kumbung dari 30 titik di Kabupaten Subang

dengan 3 Lokasi yang berbeda, yaitu Tambakan, Ciherang dan Kasomalang.

Dimana data yang sudah terkumpul ini akan diolah oleh penulis dengan

melakukan teknik clustering algoritma K-means. Seperti pada Tabel 3.1

Tabel 3. 1 Tabel data mentah


No. Tempat Suhu Kelembapan
1 TAMBAKAN1 28 60
2 TAMBAKAN2 26 60
3 TAMBAKAN3 27 66
4 TAMBAKAN4 27 67
5 TAMBAKAN5 24 62
6 TAMBAKAN6 25 63
7 TAMBAKAN7 20 64
8 TAMBAKAN8 20 62
9 TAMBAKAN9 21 70
10 TAMBAKAN10 20 60
11 CIHERANG1 21 60
12 CIHERANG2 23 70
13 CIHERANG3 25 70
14 CIHERANG4 28 69
15 CIHERANG5 24 78
16 CIHERANG6 26 60
17 CIHERANG7 25 65
18 CIHERANG8 22 63
19 CIHERANG9 24 60
20 CIHERANG10 26 65
21 KASOMALANG1 24 63
22 KASOMALANG2 22 62
23 KASOMALANG3 21 64
43
44

No. Tempat Suhu Kelembapan


24 KASOMALANG4 25 68
25 KASOMALANG5 26 69
26 KASOMALANG6 23 67
27 KASOMALANG7 28 69
28 KASOMALANG8 22 62
29 KASOMALANG9 23 63
30 KASOMALANG10 24 64

Data keluaran yang diperoleh dari proses sistem clustering adalah

pengelompokan tiap data disertai total cluster tiap iterasi nantinya.

3.2 Analisa Sistem Manual

Urutan proses clustering dengan algoritma K-means untuk dapat melakukan

pengelompokan data menjadi beberapa cluster adalah sebagai berikut :

1. Tentukan nilai K sebagai jumlah cluster yang diinginkan. Dalam

penelitian ini data- data yang ada akan dikelompokan menjadi tiga

cluster.

2. Tentukan titik pusat awal dari setiap cluster. Dalam penelitian ini titik

pusat awal ditentukan dari 3 lokasi diantaranya : tambakan, ciherang

dan kasomalang. Seperti pada Tabel 3.2 :

Tabel 3. 2 Titik pusat awal setiap cluster


Titik Pusat Tempat Suhu Kelembapan
Awal
Centroid 1 TAMBAKAN10 20 60
Centroid 2 CIHERANG4 28 69

3. Menghitung jarak setiap data ke titik pusat centroid awal antara objek

ke centroid akhir dengan perhitungan jarak Eucilidean.


45

4. Tempatkan setiap data pada cluster. Dalam penelitian ini digunakan

metode hard k-means untuk mengalokasikan setiap data ke dalam

suatu cluster, sehingga data akan dimasukan dalam suatu cluster yang

memiliki jarak paling dekat dengan titik pusat dari setiap cluster.

Untuk mengetahui cluster mana yang paling dekat dengan data, maka

perlu dihitung jarak setiap data dengan titik pusat setiap cluster.

Persamaan 1 menggunakan rumus 2.2 karena atribut yang digunakan

berjumlah 2. Sebagai contoh , akan dihitung jarak dari data daerah pertama ke

titik pusat centroid pertama dengan persamaan :

11 = 2 − 20 2 + 0− 0 2

= √ +0

d(1,1) = 8

Dari hasil perhitungan di atas didapatkan hasil bahwa jarak data daerah

pertama dengan titik centroid pertama adalah 80,05437215.

Jarak dari data daerah pertama ke titik pusat centroid kedua dengan

persamaan berikut :

12 = 2 −2 2 + 0− 2

= √ + 1

d(1,2) = 9
46

Dari hasil perhitungan di atas didapatkan hasil bahwa jarak data daerah

pertama dengan titik centroid kedua adalah 9.

Berdasarkan hasil kedua perhitungan di atas dapat disimpulkan bahwa jarak

data daerah yang paling dekat adalah ke titik pusat centroid ke 1, sehingga daerah

pertama dimasukan ke dalam cluster ke 2.

Hasil perhitungan dari iterasi satu sampai iterasi terakhir selengkapnya

untuk 30 data seperti pada Tabel 3.3 :

Tabel 3. 3 Hasil perhitungan iterasi 1


Nilai
No. Daerah Suhu Kelembapan C1 C2
Terkecil
1 TAMBAKAN1 28 60 8,000 9,000 C1
2 TAMBAKAN2 26 60 6,000 9,220 C1
3 TAMBAKAN3 27 66 9,220 3,162 C2
4 TAMBAKAN4 27 67 9,899 2,236 C2
5 TAMBAKAN5 24 62 4,472 8,062 C1
6 TAMBAKAN6 25 63 5,831 6,708 C1
7 TAMBAKAN7 20 64 4,000 9,434 C1
8 TAMBAKAN8 20 62 2,000 10,630 C1
9 TAMBAKAN9 21 70 10,050 7,071 C2
10 TAMBAKAN10 20 60 0,000 12,042 C1
11 CIHERANG1 21 60 1,000 11,402 C1
12 CIHERANG2 23 70 10,440 5,099 C2
13 CIHERANG3 25 70 11,180 3,162 C2
14 CIHERANG4 28 69 12,042 0,000 C2
15 CIHERANG5 24 78 18,439 9,849 C2
16 CIHERANG6 26 60 6,000 9,220 C1
17 CIHERANG7 25 65 7,071 5,000 C2
18 CIHERANG8 22 63 3,606 8,485 C1
19 CIHERANG9 24 60 4,000 9,849 C1
20 CIHERANG10 26 65 7,810 4,472 C2
21 KASOMALANG1 24 63 5,000 7,211 C1
22 KASOMALANG2 22 62 2,828 9,220 C1
23 KASOMALANG3 21 64 4,123 8,602 C1
24 KASOMALANG4 25 68 9,434 3,162 C2
25 KASOMALANG5 26 69 10,817 2,000 C2
26 KASOMALANG6 23 67 7,616 5,385 C2
47

Nilai
No. Daerah Suhu Kelembapan C1 C2
Terkecil
27 KASOMALANG7 28 69 12,042 0,000 C2
28 KASOMALANG8 22 62 2,828 9,220 C1
29 KASOMALANG9 23 63 4,243 7,810 C1
30 KASOMALANG10 24 64 5,657 6,403 C1

Hitung rata – rata setiap cluster untuk menentukan titik centroid baru

berdasarkan data yang tergabung didalamnya.

Cluster 1 : ada 17 data yang tergabung, seperti pada tabel 3.4 :

Tabel 3. 4 Hasil cluster satu pada iterasi ke 1


No. Daerah Suhu Kelembapan
1 TAMBAKAN1 28 60
2 TAMBAKAN2 26 60
5 TAMBAKAN5 24 62
6 TAMBAKAN6 25 63
7 TAMBAKAN7 20 64
8 TAMBAKAN8 20 62
10 TAMBAKAN10 20 60
11 CIHERANG1 21 60
16 CIHERANG6 26 60
18 CIHERANG8 22 63
19 CIHERANG9 24 60
21 KASOMALANG1 24 63
22 KASOMALANG2 22 62
23 KASOMALANG3 21 64
28 KASOMALANG8 22 62
29 KASOMALANG9 23 63
30 KASOMALANG10 24 64
Jumlah 392 1052,00
17 23,05882353 61,88235294
48

Cluster 2 : ada 17 data, seperti pada tabel 3.5 :

Tabel 3. 5 Hasil cluster dua pada iterasi ke 1


No. Daerah Suhu Kelembapan
3 TAMBAKAN3 27 66
4 TAMBAKAN4 27 67
9 TAMBAKAN9 21 70
12 CIHERANG2 23 70
13 CIHERANG3 25 70
14 CIHERANG4 28 69
15 CIHERANG5 24 78
17 CIHERANG7 25 65
20 CIHERANG10 26 65
24 KASOMALANG4 25 68
25 KASOMALANG5 26 69
26 KASOMALANG6 23 67
27 KASOMALANG7 28 69
Jumlah 328 893
13 25,23076923 68,69230769

Tabel 3. 6 Tabel titik centroid baru pada iterasi ke – 1


Centroid Baru
Cluster 1 23,05882353 61,88235294
Cluster 2 25,23076923 68,69230769

4. Tentukan nilai BCV dan WCV pada iterasi 1.

Tabel 3. 7 Nilai BCV dan WCV


BCV 12,042
WCV 634,000
Rasio 0,018993051

5. Setelah menghitung rata-rata untuk menentukan titik centroid baru

maka hitung kembali langkah ke tiga, apabila masih ada data yang

berpindah cluster, perbedaan pada nilai BCV/WCV atau apabila ada

perubahan nilai centroid lanjutkan menghitung ke iterasi 2.


49

Hasil perhitungan manual ke – 2 seperti pada Tabel 3.8.

Tabel 3. 8 Hasil perhitungan manual iterasi ke – 2


Nilai
No. Daerah Suhu Kelembapan C1 C2
Terkecil
1 TAMBAKAN1 28 60 5 9 C1
2 TAMBAKAN2 26 60 3 9 C1
3 TAMBAKAN3 27 66 6 3 C2
4 TAMBAKAN4 27 67 6 2 C2
5 TAMBAKAN5 24 62 1 7 C1
6 TAMBAKAN6 25 63 2 6 C1
7 TAMBAKAN7 20 64 4 7 C1
8 TAMBAKAN8 20 62 3 8 C1
9 TAMBAKAN9 21 70 8 4 C2
10 TAMBAKAN10 20 60 4 10 C1
11 CIHERANG1 21 60 3 10 C1
12 CIHERANG2 23 70 8 3 C2
13 CIHERANG3 25 70 8 1 C2
14 CIHERANG4 28 69 9 3 C2
15 CIHERANG5 24 78 16 9 C2
16 CIHERANG6 26 60 3 9 C1
17 CIHERANG7 25 65 4 4 C1
18 CIHERANG8 22 63 2 7 C1
19 CIHERANG9 24 60 2 9 C1
20 CIHERANG10 26 65 4 4 C2
21 KASOMALANG1 24 63 1 6 C1
22 KASOMALANG2 22 62 1 7 C1
23 KASOMALANG3 21 64 3 6 C1
24 KASOMALANG4 25 68 6 1 C2
25 KASOMALANG5 26 69 8 1 C2
26 KASOMALANG6 23 67 5 3 C2
27 KASOMALANG7 28 69 9 3 C2
28 KASOMALANG8 22 62 1 7 C1
29 KASOMALANG9 23 63 1 6 C1
30 KASOMALANG10 24 64 2 5 C1

Hitung rata – rata setiap cluster untuk menentukan titik centroid baru

berdasarkan data yang tergabung didalamnya.


50

Cluster 1 : ada 18 data yang tergabung. Seperti pada Tabel 3.9.

Tabel 3. 9 Hasil cluster satu pada iterasi ke – 2


No. Daerah Suhu Kelembapan
1 TAMBAKAN1 28 60
2 TAMBAKAN2 26 60
5 TAMBAKAN5 24 62
6 TAMBAKAN6 25 63
7 TAMBAKAN7 20 64
8 TAMBAKAN8 20 62
10 TAMBAKAN10 20 60
11 CIHERANG1 21 60
16 CIHERANG6 26 60
17 CIHERANG7 25 65
18 CIHERANG8 22 63
19 CIHERANG9 24 60
21 KASOMALANG1 24 63
22 KASOMALANG2 22 62
23 KASOMALANG3 21 64
28 KASOMALANG8 22 62
29 KASOMALANG9 23 63
30 KASOMALANG10 24 64
Jumlah 417 1117
18 23,16666667 62,05555556
51

Cluster 2 : ada 12 data yang tergabung. Seperti pada Tabel 3.10.

Tabel 3. 10 Hasil cluster dua pada iterasi ke – 2


No. Daerah Suhu Kelembapan
3 TAMBAKAN3 27 66
4 TAMBAKAN4 27 67
9 TAMBAKAN9 21 70
12 CIHERANG2 23 70
13 CIHERANG3 25 70
14 CIHERANG4 28 69
15 CIHERANG5 24 78
20 CIHERANG10 26 65
24 KASOMALANG4 25 68
25 KASOMALANG5 26 69
26 KASOMALANG6 23 67
27 KASOMALANG7 28 69
Jumlah 303 828
12 25,25 69

Tabel 3. 11 Tabel titik centroid baru pada iterasi ke – 2


Centroid Baru
Cluster
1 23,16666667 62,05555556
Cluster
2 25,25 69

6. Tentukan nilai BCV dan WCV pada iterasi 2

Tabel 3. 12 Tabel nilai BCV dan WCV pada iterasi ke – 2


BCV 7,148
WCV 313,584
Rasio 0,022794269
52

7. Setelah menghitung rata-rata untuk menentukan titik centroid baru

maka hitung kembali langkah ke tiga, apabila masih ada data yang

berpindah cluster, perbedaan pada nilai BCV/WCV atau apabila ada

perubahan nilai centroid lanjutkan menghitung ke iterasi 3.

Hasil perhitugan manual ke – 3 didapat hasil nilai terkecil seperti pada Tabel 3.13.

Tabel 3. 13 Hasil perhitungan manual iterasi ke – 3


Nilai
No. Daerah Suhu Kelembapan C1 C2
Terkecil
1 TAMBAKAN1 28 60 5 9 C1
2 TAMBAKAN2 26 60 4 9 C1
3 TAMBAKAN3 27 66 6 3 C2
4 TAMBAKAN4 27 67 6 3 C2
5 TAMBAKAN5 24 62 1 7 C1
6 TAMBAKAN6 25 63 2 6 C1
7 TAMBAKAN7 20 64 4 7 C1
8 TAMBAKAN8 20 62 3 9 C1
9 TAMBAKAN9 21 70 8 4 C2
10 TAMBAKAN10 20 60 4 10 C1
11 CIHERANG1 21 60 3 10 C1
12 CIHERANG2 23 70 8 2 C2
13 CIHERANG3 25 70 8 1 C2
14 CIHERANG4 28 69 8 3 C2
15 CIHERANG5 24 78 16 9 C2
16 CIHERANG6 26 60 4 9 C1
17 CIHERANG7 25 65 3 4 C1
18 CIHERANG8 22 63 2 7 C1
19 CIHERANG9 24 60 2 9 C1
20 CIHERANG10 26 65 4 4 C2
21 KASOMALANG1 24 63 1 6 C1
22 KASOMALANG2 22 62 1 8 C1
23 KASOMALANG3 21 64 3 7 C1
24 KASOMALANG4 25 68 6 1 C2
25 KASOMALANG5 26 69 8 1 C2
26 KASOMALANG6 23 67 5 3 C2
53

Nilai
No. Daerah Suhu Kelembapan C1 C2
Terkecil
27 KASOMALANG7 28 69 8 3 C2
28 KASOMALANG8 22 62 1 8 C1
29 KASOMALANG9 23 63 1 6 C1
30 KASOMALANG10 24 64 2 5 C1

Hitung rata – rata setiap cluster untuk menentukan titik centroid baru

berdasarkan data yang tergabung didalamnya.

Cluster 1 : ada 18 data yang tergabung. Seperti pada Tabel 3.14.

Tabel 3. 14 Hasil cluster satu pada iterasi ke – 3


No. Daerah Suhu Kelembapan
1 TAMBAKAN1 28 60
2 TAMBAKAN2 26 60
5 TAMBAKAN5 24 62
6 TAMBAKAN6 25 63
7 TAMBAKAN7 20 64
8 TAMBAKAN8 20 62
10 TAMBAKAN10 20 60
11 CIHERANG1 21 60
16 CIHERANG6 26 60
17 CIHERANG7 25 65
18 CIHERANG8 22 63
19 CIHERANG9 24 60
21 KASOMALANG1 24 63
22 KASOMALANG2 22 62
23 KASOMALANG3 21 64
28 KASOMALANG8 22 62
29 KASOMALANG9 23 63
30 KASOMALANG10 24 64
Jumlah 417 1117
18 23,16666667 62,05555556
54

Cluster 2 : ada 10 data yang tergabung. Seperti pada Tabel 3.15.

Tabel 3. 15 Hasil cluster dua pada iterasi ke – 3


No. Daerah Suhu Kelembapan
3 TAMBAKAN3 27 66
4 TAMBAKAN4 27 67
9 TAMBAKAN9 21 70
12 CIHERANG2 23 70
13 CIHERANG3 25 70
14 CIHERANG4 28 69
15 CIHERANG5 24 78
20 CIHERANG10 26 65
24 KASOMALANG4 25 68
25 KASOMALANG5 26 69
26 KASOMALANG6 23 67
27 KASOMALANG7 28 69
Jumlah 303 828
12 25,25 69

8. Tentukan nilai BCV dan WCV pada iterasi ke – 3

Tabel 3. 16 Tabel nilai BCV dan WCV pada iterasi ke – 3


BCV 7,250
WCV 311,694
Rasio 0,023260642

Setelah melakukan proses perhitungan manual iterasi clustering data daerah

yang terjadi sebanyak 3 kali. Pada iterasi ke – 3 ini nilai BCV/ WCP tidak

berubah dan titik pusat centroid dari setiap cluster sudah tidak berubah, tidak ada

lagi yang berpindah dari satu cluster ke cluster yang lainnya maka dinyatakan

sudah selesai.
55

3.3 Flowchart

Tujuan flowchart yang penulis buat adalah untuk menunjukan alur kerja alat

yang penulis buat dengan secara sistematis dan terperinci. Seperti pada Gambar

3.1.

mulai

Sensor
Kelembapan Sensor Suhu

Data sensor ke
mikrokontroler

Input data
sensor ke
database
lewat
node-red

Pengambilan
data dari
database

Data dari
database
ditampilka
n di node-
red

selesai

Gambar 3. 1 Flowchart
Penjelasan dari flowchart pada gambar 3.1 adalah :

1. Sensor kelembaban tanah dan ph tanah menghasilkan data.

2. Data dari kedua sensor diproses oleh mikrokontroler.

3. Data dari kedua sensor yang sudah diproses oleh mikrokontroler

diinputkan ke dalam database melalui node-red.

4. Data yang sudah dimasukan ke database diambil untuk di tampilkan di

UI (User Interface).

3.4 Diagram Konteks

Penulis membuat gambar diagram konteks menggunakan Draw.io. Dimana

diagram konteks ini merupakan gambaran umum dari Implementasi Algoritma K-

Means untuk Pengklasteran Kumbung Jamur di Daerah Subang berdasarkan Suhu

dan Kelembaban berbasis IoT (Internet of Things) menggunakan Platform Node-

Red.

Penjelasan penggambaran diagram konteks Implementasi Algoritma K-

Means untuk pengklasteran Kumbung Jamur di Daerah Subang berdasarkan Suhu

dan Kelembaban berbasis IoT (Internet of Things) menggunakan Platform Node-

Red :

1. User : menginput, mengedit, menghapus data objek/data sensor dan

mendapatkan informasi dari sistem.

2. Sistem : melakukan proses hitungan k-means.

3. Platform node-red : mengirim data objek.

56
57

Sistem Monitoring
Data Objek Kumbung Jamur Berbasis
IoT (Internet of Things) Data Objek Platform
User Menggunakan Metode K- Node-Red
Means pada Platform
Node-Red
Hasil Iterasi

Gambar 3. 1 Diagram Konteks

Penjelasan dari Diagram Konteks pada gambar 3.2 adalah :

1. User menginput, mengedit, menghapus data objek/data sensor

dan melakukan perhitungan.

2. User melihat informasi perhitungan iterasi dan melihat total

cluster tiap iterasi.

3. Sistem memberikan notifikasi ke user berupa tampilan data objek

hasil inputan user.

4. Platform node-red mengirimkan data objek ke sistem.

Keterangan :

User adalah pengguna yang bisa menginput, mengedit, menghapus data dan

bisa melihat informasi perhitungan. Seperti pada Gambar 3.2.


58

3.5 Data Flow Diagram (DFD)

Data Objek Data Objek


platform
User 1.0 Node-Red
Hasil Iterasi Mengolah Data Objek

Ambil data
Tbl_datasensor

Hitung klasterisasi per


data dan tentukan
iterasi

2.0
Terima hitungan Klasterisasi Data Objek
klaster dan iterasi

centroid_temp hasil_centroid

3.0
Lihat total iterasi da
nilai centroid per
Melihat Data Klasterisasi
iterasi

Lihat klasterisasi dan


jumlah iterasi

Gambar 3. 2 DFD Level 1


Penjelasan penggambaran data flow diagram Sistem Monitoring Kumbung

Jamur berbasis IoT (Internet of Things) menggunakan Metode K-Means pada

Platform Node-Red :

1. Proses mengolah data objek : User melakukan monitoring,

penambahan, delete dan melihat data objek yang akan di kirim ke


59

table data_sensor. Setiap melakukan proses, user akan menerima

notifikasi.

2. Proses klasterisasi data : User melakukan proses klasterisasi tiap

iterasi, menentukan iterasi dan setelah melakukan proses tersebut user

menerima hasil perhitungan.

3. Proses melihat klasterisasi data dan melihat total iterasi : User bisa

melihat data total cluster.


60

3.6 Entity Relationship Diagram (ERD)

Entity Relationship Diagram merupakan rancangan database dari suatu

sistem . penulis sudah merancang diagram tersebut menggunakan Draw.io.

Seperti pada Gambar 3.3.

nm_tempat id_data
suhu Id_data id

id_data iterasi

data_sensor memiliki centroid_temp

kelembapan waktu id_data c2


c1

c1a

nomor c1b

hasil_centroid

c2b c2a

Gambar 3. 3 ERD (Entity Relationship Diagram)


Penjelasan penggambaran entity relationship diagram seperti Gambar 3.4

Dimana Sistem Monitoring Kumbung Jamur berbasis IoT (Internet of Things)

menggunakan metode K-means menggunakan Platform Node-Red sebagai

berikut :

1. Entitas data_sensor : Entitas data_sensor mempunyai atribut id_data,

nm_tempat, suhu, kelembapan, dan waktu yang dimana berelasi

dengan entitas centroid_temp, dimana primary key id table

data_sensor dan foreign key data_sensor table centroid_temp.


61

2. Entitas centroid_temp : Entitas centroid_temp mempunyai atribut id

,id_data, iterasi, c1 dan c2.

3. Entitas hasil_centroid : Entitas hasil_centroid mempunyai atribut nomor,

c1a, c1b, c2a, c2b.

3.7 Flow Node-Red

Flow node-red adalah alur kerja dari sebuah sistem yang dibuat di dalam

platform node-red, dimana didalamnya terdapat nodes input, output dan function.

Seperti pada Gambar 3.4.

Gambar 3. 4 Flow input data objek


Pada gambar 3.5 ada 7 jenis nodes yaitu mqtt, ui_form, join function, mysql,

ui_template dan inject.

3.8 Struktur Tabel

Dalam perancangan basis data pada penelitian ini terdiri dari 3 tabel yaitu

tabel data_sensor, centroid_temp, hasil_centroid. Seperti pada Tabel 3.17.


62

Tabel 3. 17 Struktur tabel data_sensor


No. Attribute Type Data Keterangan
1 Id int(10) Pk
2 id_data varchar(10)
3 Iterasi int(50)
4 c1 varchar(50)
5 c2 varchar(50)

Penjelasan struktur tabel data_sensor pada sistem ini sebagai berikut :

1. Tabel data_sensor terdiri dari 5 atribut disertai type data yaitu id

int(10), id_data varchar(10), iterasi iterasi(50), c1 varchar(50), c2

varchar(50). Seperti pada Tabel 3.18.

Tabel 3. 18 Struktur tabel centroid_temp


No. Attribute Type Data Keterangan
1 id_data int(11) Pk
2 nm_tempat varchar(50)
3 Suhu int(30)
4 Kelembapan int(30)
5 Waktu Datetime

Penjelasan struktur tabel centroid_temp pada sistem ini sebagai berikut :

1. Tabel centroid_temp terdiri dari 5 atribut disertai type data yaitu id

integer(10), id_jadi integer(10), iterasi integer(10), c1 varchar(50) dan

c2 varchar(50). Seperti pada Tabel 3.19.

Tabel 3. 19 Struktur tabel hasil_centroid


No. Attribute Type Data Keterangan

1 Nomor int(10) Pk
2 c1a varchar(50)
3 c1b varchar(50)
4 c2a varchar(50)
5 c2b varchar(50)
63

Penjelasan struktur tabel hasil_centroid pada sistem ini sebagai berikut :

1. Tabel hasil_centroid terdiri dari 7 atribut disertai type data yaitu

nomor integer(10), c1a varchar(50), c1b varchar(50), c2a varchar(50)

dan c2b varchar(50).

3.9 Rancangan Antarmuka

Rancangan antarmuka dibuat sesederhana mungkin agar user friendly dan

tidak membertakan server, mengingat sistem yang penulis buat ini harus memuat

data yang banyak. Rancangan antarmuka pada Gambar 3.5 dibuat menggunakan

visio 2013.

Monitoring

Suhu Kelembapan

Gambar 3. 5 Halaman monitoring


Gambar 3.5 adalah gambar halaman utama dimana disini user bisa memo

nitoring data yang masuk dari sensor dan bisa menginputkan langsung data yang

sudah masuk ke sistem.


64

Input data

Input data sensor

Masukan nama tempat

SUBMIT CANCEL

Nama Tempat Suhu Kelembapan


Tambakan1 28 60
Tambakan2 26 60
Tambakan3 27 66
Tambakan4 27 67
Ciherang1 21 60
Ciherang2 23 70
Ciherang3 25 70
Kasomalang1 24 63
Kasomalang2 22 62
Kasomalang3 21 64

Gambar 3. 6 Halaman data sensor


Gambar 3.6 Adalah halaman CRUD (Create Read Update & Delete)

manual agar user bisa menginputkan data manual tanpa menggunakan data dari

sensor langsung.
65

KLIK TOMBOL DIBAWAH UNTUK MELIHAT ITERASI SEBELUMNYA

ITERASI SELANJUTNYA

Iterasi 1

Nama tempat Suhu kelembapan Centroid1 Centroid2 C1 C2


20 60 28 69
Tambakan1 28 60 8 9 1 0
Tambakan1 26 60 6 9.219 1 0
Tambakan1 27 66 9.219 3.162 0 1
Tambakan1 27 67 9.899 2.236 0 1
Ciherang1 21 60 1 11.40 1 0
Ciherang1 23 70 10.44 5.099 0 1
Ciherang1 25 70 11.44 3.162 0 1
Kasomalang1 24 63 5 72.11 1 0
Kasomalang2 22 62 2.828 9.219 1 0
Kasomalang3 21 64 8.602 8.602 1 0

Gambar 3. 7 Penghitungan Metode

3.10 Asitektur Jaringan

Arsitektur diagram adalah penggambaran untuk jaringan alat dan sistem

yang dibuat oleh penulis. Arsitektur diagram pada gambar 3.16 dibuat

menggunakan sistem web yang bernama draw.io.

%3CmxGraphModel%3E%3Croot%3E%3CmxCell%20id%3D%220%22%2F%3E%3CmxCell%20id%3D%221%22%20parent%3D%220%22%2F%3E%3CmxCell%20id%3D%222%22%20style%3D%22edgeStyle%3DelbowEdgeStyle%3Brounded%3D0%3BorthogonalL oop%3D1%3BjettySize%3Dauto%3Bhtml%3D1%3BexitX%3D0.5%3BexitY %3D0%3BexitDx%3D0%3BexitDy%3D0%3B%22%20edge%3D%221%22%20source%3D%223%22%20target%3D%2211%22%20parent%3D%221%22%3E%3CmxGeometry%20relative%3D%221%22%20as%3D%2 2geometry%22%3E%3CArray%20as%3D%22points%22%3E%3CmxPoint%20x%3D%22160%22%20y%3D%2260%22%2F%3E%3C%2FArray%3E%3C%2FmxGeometry%3E%3C%2 FmxCell%3E%3CmxCell%20id%3D%223%22%20value%3D%22mikrokontroler%22%20style%3D%22rounded%3D0%3BwhiteSpace%3Dwrap%3


Bhtml%3D1%3B%22%20v ertex%3D%221%22%20parent%3D%221%22%3E%3CmxGeometry%20x%3D%22100%22%20y%3D%22120%22%20width%3D%22120%22%20height%3D%2260%22%20 as%3D%22geometry%22%2F%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%224%22%20style%3D%22edgeStyle%3DorthogonalEdgeStyle%3Brounded%3D0%3 BorthogonalLoop%3D1%3BjettySize%3Dauto%3Bhtml%3D1%3BexitX%3D0.5%3BexitY %3D0%3BexitDx%3D0%3BexitDy%3D0%3BentryX%3D1%3BentryY%3D0.5%3 BentryDx%3D0%3BentryDy%3D0%3B%22%20edge%3D%221%22%20source%3D%225%22%20target%3D%223%22%20parent%3D%221%22%3E%3CmxGeometry%20 relative%3D%221%22%20as%3D%22geometry%22%2F%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%225%22%20valu e%3D%22sensor%20suhu%22%20style%3D%22rounded
%3D0%3BwhiteSpace%3Dwrap%3Bhtml%3D1%3B%22%20vertex%3D%221%22%20parent%3D%221%22%3E%3CmxGeometry%20x%3D%22210%22%20y%3D%22290%22%20width%3D%22120%22%20height%3D%2260%22%20as%3D%22geometry%22%2F%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%226%22%20style%3D%22edg eStyle%3DorthogonalEdgeStyle%3Brounded%3D0%3BorthogonalLoop%3D1%3BjettySize%3Dauto%3Bhtml%3 D1%3BexitX%3D0.5%3BexitY%3D0%3BexitDx%3D0%3BexitDy%3D0%3BentryX%3D0%3BentryY%3D0.5%3BentryDx%3D0%3BentryDy%3D0%3B%22%20edge%3D%221%22%20source%3D%227%22%20target%3D%223%22%20parent%3D%221%22%3E%3CmxGeometry%20relative%3D%221%22%20as%3D%22geometry%22%3E%3CArray%20as%3D%22points%22%3E%3CmxPo int%20x%3D%2260%22%20y%3D%2
2290%22%2F%3E%3CmxPoint%20x%3D%2260%22%20y%3D%22150%22%2F%3E%3C%2FArray%3E%3C%2FmxGeometry%3E%3C%2FmxCell%3E%3CmxCell%20id%3D %227%22%20value%3D%22sensor%20kelembapan%22%20style%3D%22rounded%3D0%3BwhiteSpace%3Dwrap%3Bhtml%3D1%3B%22%20ve rtex%3D%221%22%20parent%3D%221%22%3E%3CmxGeometry%20y%3D%22290%22%20width%3D%22120%22%20height%3D%2260%22%20as%3D%22geometry%22%2F%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%228%22%20value%3D%22%22%20style%3D%22points%3D%5B%5D%3Baspect%3Dfixed%3Bhtml%3D1%3Ba lign%3Dcenter%3Bshadow%3D0%3Bdashed%3D0%3Bimage%3Bimage%3Dimg%2Flib%2Fallied_telesis%2Fcomputer_and_terminals %2FLaptop.svg%3B%22%20 vertex%3D%221%22%20parent%3D%221%22%3E%3C
mxGeometry%20x%3D%22550%22%20y%3D%22209%22%20wid th%3D%2290%22%20heig ht%3D%2291%22%20as%3D%22geometry%22%2F%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%229%22%20style%3D%22edgeStyle%3DelbowEdgeStyle%3Brounded%3D0%3BorthogonalLoop%3D1%3BjettySize%3Dauto%3Bhtml%3D1%3BexitX%3D0.12%3BexitY%3D0.16%3BexitDx%3D0%3BexitDy%3D0%3BexitPerimeter%3D0%3B%22%20ed ge%3D%221%22%20source%3D%2211%22%20parent%3D%221%22%3E%3CmxGeometry%20relative%3D%221%22%20as%3D%22geometry%22%3E%3CmxPoint%20x%3D%22130%22%20y%3D%22120%22%20as%3D%22targetPoint%22%2F%3E%3CArray%20as%3D%22points%22%3E%3CmxPoint%20x%3D%22130%22%20y%3D%2260%22%2F%3E%3C%2FArray%3E%3C%2FmxGeometry%3E%3C%2FmxCell%3E%3Cm
xCell%20id%3D%2210%22%20style%3D%22edgeStyle%3DelbowEdgeStyle%3Brounded%3D0%3BorthogonalLoop%3D1%3BjettySize%3Dauto%3Bhtml%3D 1%3BexitX%3D1%3BexitY%3D0.5%3BexitDx%3D0%3BexitDy%3D0%3BexitPerimeter%3D0%3B%22%20edge%3D%221%22%20source%3D%2211%22%20parent%3D%221%22%3E%3CmxGeometry%20relative%3D%221%22%20as%3D%22geometry%22%3E%3Cmx Point%20x%3D%22600%22%20y%3D%22209%22%20as%3D%22targetPoint%22%2F%3E%3CArray%20as%3D%22points%22%3E%3CmxPoint%20x%3D%22600%22 %20y%3D%22110%22%2F%3E%3C%2FArray%3E%3C%2FmxGeometry%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%2211%22%20value%3D%22%22%20style%3D%22shape %3Dmxgraph.cis co.misc.access_point%3Bhtml%3D1%3BpointerEvents%3D1%3Bdashed%3D0%3BfillCo
lor%3D%23036897%3BstrokeColor%3D%23ffffff %3BstrokeWidth%3D2%3BverticalLabelPosition%3Dbottom%3BverticalAlign%3Dtop%3Balign%3Dcenter%3BoutlineConnect%3D0%3B%22%20vertex%3 D%221%22%20parent%3D%221%22%3E%3CmxGeometry%20x%3D%22390%22%20y%3D%2210%22%20width%3D%2290%22%20height%3D%2244%22%20as%3D%22g eometry%22%2F%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%2212%22%20value%3D%22access%20point%20by%20smartphone%22%20style%3D%22text%3Bhtml%3D1%3BstrokeColor%3Dnone%3BfillColor%3Dnone%3Balign%3Dcenter%3BverticalAlign%3Dmiddle%3BwhiteSpace%3Dwrap%3Brounded%3D0%3B%22 %20vertex%3D%221%22%20parent%3D%221%22%3E%3CmxGeometry%20x%3D%22342%22%20y%3D%2254%22%20width%3D%22171%22%20height%3D%2220%22%20as%
3D%22geometry%22%2F%3E%3C%2FmxCell%3E%3CmxCell%20id%3D%2213%22%20value%3D%22%22%20style %3D%22endArrow%3Dclassic%3Bhtml%3D1%3BentryX%3D0.978%3BentryY%3D0.205%3BentryDx%3D0%3BentryDy%3D0%3BentryPerimeter%3D0%3BexitX%3D0.667%3BexitY%3D0.121%3BexitDx%3D0%3BexitDy%3D0%3BexitPerimeter%3D0%3B%22%20edge%3D%221%22%20source%3D%228%22%20target%3D%2211%22%20parent%3D%221%22%3E%3CmxGeometry%20width%3D%2250%22%20height%3D%2250%22%20relative%3D%221%22%20as%3D%22geometry%22%3E%3CmxPoint%20x%3D%22610%22%20y%3D%22200%22%20as %3D%22sourcePoint%22%2F%3E%3CmxPoint%20x%3D%22660%22%20y%3D%22180%22%20as%3D%22targetPoint%22%2F%3E%3CArray%20as%3D%22points%22%3E%3CmxPoint%20x%3D%22
610%22%20y%3D%2220%22%2F%3E%3C%2FArray%3E%3C%2FmxGeometry%3E%3C%2FmxCell%3E%3C%2Froot%3E%3C%2FmxGraphModel%3E

Gambar 3. 8 Arsitektur jaringan


66

Penjelasan pada gambar 3.8 yaitu komputer server tersambung dengan

mikrokontroler melalui jaringan dari access point, disini access point yang

digunakan berupa smartphone dengan mengaktifkan mode hotspot. Sensor suhu

dan sensor kelembapan tersambung dengan mikrokontroler lalu mikrokontroler

mengirim data ke komputer server melalui jaringan dari access point.

3.11 Tabel IP

Tabel IP adalah list dari beberapa IP yang dipakai pada alat dan sistem yang

penulis buat. List IP bisa di lihat pada Tabel 3.20, sebagai berikut :

Tabel 3. 20 Tabel IP
Nama Perangkat Alamat IP Subnet Mask Gateway
Komputer Server 192.168.43.196 255.255.255.0 192.168.43.1
Nodemcu 192.168.43.23 255.255.255.0 192.168.43.1
Access Point 10.18.175.132 255.255.255.0 10.18.175.132

3.12 Arsitektur Perancangan Perangkat Keras

Arsitektur perancangan perangkat keras merupakan gambaran alur kerja alat

yang penulis buat, terdiri dari sensor suhu, sensor kelembapan, nodemcu, access

point, pc (personal computer), platform node-red dan basis data. Seperti pada

Gambar 3.9.
67

Gambar 3. 9 Arsitektur perancangan perangkat keras

Penjelasan pada gambar 3.9 yaitu nodemcu mendapatkan data dari sensor

suhu dan sensor kelembapan lalu nodemcu mengirim 2 data dari sensor suhu dan

kelembapan melalui jaringan dari access point dimana access point yang

digunakan oleh penulis adalah berupa smartphone dengan mengaktifkan mode

hotspot. Data yang dikirim oleh nodemcu diinputkan oleh pc (personal computer)

user ke dalam database yang bernama lilik melalui platform node-red. Data dari

database ditampilkan melalui platform node-red pada pc (personal computer)

user sehingga user bisa melihat data-data yang sudah diinputkan dan bisa

menghitung data menggunakan metode k-means pada sistem.


Bab IV
Implementasi Dan Pengujian

Dalam bab ini akan dibahas mengenai perangkat lunak (software) dan

perangkat keras (hardware) yang digunakan pada Sistem yang penliti buat. Serta

tampilan – tampilan yang telah dibuat oleh penulis.

4.1 Spesifikasi Perangkat Lunak

Perangkat lunak (software) yang dipakai oleh penulis dalam membuat alat

dan sistem ini di perlihatkan seperti pada Tabel 4.1.

Tabel 4. 1 Spesifikasi perangkat lunak


No. Jenis Software Nama Software
1 Sistem Operasi Windows 10 Pro 64 Bit
2 Server Apache v3.2.2 (Win32)
3 Database 10.1.30-MariaDB
4 Bahasa PHP: Hypertext Preprocessor v.7.2.1 &
Pemograman Javascript
5 Code Editor Microsoft Visual Studio Code
6 Browser Google Chrome v76.0.3809.100
7 Plaftform Arduino Arduino IDE v1.8.9 64 Bit From Microsoft
Store
8 Database Software SQLyog v12.5.1 64 Bit

4.2 Spesifikasi Perangkat Keras

Perangkat keras (hardware) yang dipakai oleh penulis dalam membuat alat

dan sistem ini diperlihatkan seperti pada Tabel 4.2 sebagai berikut :

Tabel 4. 2 Spesifikasi perangkat keras


No. Nama Hardware Keterangan Hardware
1 Laptop Lenovo AMD A8-6410 APU
2 Nodemcu Nodemcu ESP8266
3 Breadboard Medium Breadboard
4 Sensor suhu Sensor LM35
5 Sensor kelembapan Sensor DHT11
7 Kabel Jumper Kabel Jumper male to female,
male to male, female to female
68
69

4.3 Implementasi Basis Data

Sebuah aplikasi memerlukan ruang untuk menyimpan data-data yang

diperlukan. Hal ini dilakukan untuk kemudahan penggunaan dan keperluan

analisa lebih lanjut. Penulis menggunakan aplikasi MySQL untuk data sensor

yang diperoleh dari penelitian yang dibuat, seperti diperlihatkan pada Gambar 4.1.

Gambar 4. 1 Pembuatan tabel pada database


Centroid_temp dapat diperlihatkan seperti pada Gambar 4.2.

Gambar 4. 2 Struktur tabel centroid_temp

Daftar tabel lengkap diperlihatkan seperti pada Gambar 4.3.

Gambar 4. 3 Daftar tabel lengkap

70
Tampilan relasi dapat dilihat seperti pada Gambar 4.4.

Gambar 4. 4 Tampilan relasi tabel

Data hasil penelitian dapat dilihat seperti gambar dibawah ini

Gambar 4. 5 Data hasil penelitian

Basis data yang digunakan merupakan gambaran relasi antara tabel

data_sensor dengan centroid_temp.

71
72

4.4 Implementasi Antarmuka Sistem

Untuk menjalankan node-red ketikan “node-red” di terminal/cmd lalu enter

seperti pada gambar 4.7 lalu ketikan di address bar pada browser

“127.0.0.1:1880/ui/” setelah terbuka lalu aktifkan apache dan mysql pada xampp

seperti pada gambar 4. 1

Gambar 4. 6 Tampilan menjalankan node-red

Untuk tampilan utama sistem ada beberapa feature di dalamnya, yaitu

monitoring data yang didapatkan dari sensor, form input data manual dan

perhitungan metode.
73

Gambar 4. 7 Tampilan utama sistem

Di pojok kiri atas ada icon humburger menu, jika diklik akan ada 3 menu

yaitu monitoring bisa dilihat pada gambar 4.8, input data dan metode

perhitungan.

Gambar 4. 8 Tampilan menu pada sistem

Pada menu Data Sensor isinya adalah manual input untuk data sensor/data

objek, karena sewaktu-waktu akan ada data yang sudah diteliti dan sudah
74

mempunyai nilai maka user tinggal inputkan manual kedalam database melalui

form input manual data sensor ini.

Gambar 4. 9 Tampilan menu data sensor

Pada menu Perhitungan Metode isinya adalah proses perhitungan Data dari

awal iterasi sampai akhir perhitungan, bisa dilihat pada gambar 4.11 dan 4.12.

Gambar 4. 10 Tampilan perhitungan data iterasi


75

Tampilan akhir dari penghitungan dapat dilihat pada Gambar 4.11

Gambar 4. 11 Tampilan akhir dari perhitungan

4.5 Implementasi Antarmuka Data Pengujian

Data tempat untuk data penelitian dapat dilihat di lihat pada Gambar 4.12

Gambar 4. 12 Data tempat untuk data penelitian


Gambar 4.13 adalah data objek untuk data pengujian. Dimana penulis sudah

mengambil data tersebut ke 3 tempat yang berbeda di Kabupaten Subang

diantaranya Tambakan, Ciherang da Kasomalang. Data diambil dari 30 tempat

yang berbeda dengan cara pengambilan data langsung di lapangan.


76

Tabel iterasi 1 dapat dilihat pada Gambar 4.13

Gambar 4. 13 Tabel tiap hasil iterasi 1


Gambar 4.14 adalah hasil perhitungan iterasi 1 dari data objek yang ada

pada Gambar 4.13 untuk melakukan klasterisasi dari 30 data objek yang sudah

diambil langsung dari sample 3 tempat yang berbeda.


Hasil perhitungan iterasi terkhir dapat dilihat pada Gambar 4.14

Gambar 4. 14 Perhitungan iterasi berakhir


Gambar 4.15 adalah akhir dari perhitungan metode, disini kita bisa melihat

jumlah iterasi, hasil klasterisasi sistem tiap tempat diurutkan berdasarkan Cluster

1 dan Cluster 2.

4.6 Implementasi Pengujian Alat

Implementasi pengujian alat merupakan gambaran dari pengujian alat yang

sudah penulis uji tingkat kelayakan dan tingkat ke akuratan nya.

77
78

Gambar 4. 15 Pengujian alat sensor suhu dan kelembapan.


Pada gambar 4.15 penulis mengambil data suhu dan kelembapan dari

sample yang diambil dari beberapa tempat di Kabupaten Subang untuk diinputkan

ke dalam database sistem yang sudah disiapkan.


79

Gambar 4. 16 Pengujian tingkat ke akuratan alat


Pada gambar 4.16 penulis melakukan pengujian tingkat ke akuratan alat

yang penulis buat dengan alat after market untuk menguji tingkat kelayakan alat

yang penulis buat.

Pada gambar 4.16 adalah monitoring data yang dihasilkan oleh sensor

secara realtime pada platform node-red.

4.7 Tabel Hasil Pengujian Alat

Tabel hasil pengujian alat merupakan record sistem untuk menguji apakah

alat yang penulis buat berjalan dengan baik tanpa error atau tidak.

Tabel 4. 3 Tabel hasil pengujian alat


No. Nama Proses Hasil Pengujian
1 Koneksi nodemcu ke access point Ya
80

No. Nama Proses Hasil Pengujian


2 Koneksi pc (personal computer) ke access point Ya
3 Koneksi nodemcu ke pc (personal computer) Ya
2 Pengambilan data suhu kumbung jamur Ya
3 Pengambilan data kelembaban kumbung jamur Ya
4 Monitoring data dari sensor Ya

4.8 Tabel Hasil Pengujian Sistem

Tabel ini merupakan record sistem untuk menguji apakah sistem yang

penulis buat berjalan dengan baik tanpa error atau tidak.

Tabel 4. 4 Tabel hasil pengujian sistem


No. Nama Halaman dan Proses Hasil Pengujian
1 Halaman Utama/ Halaman Input Data Ya
2 Halaman Data Sensor/Manual Input Data Ya
Sensor
3 Halaman Hitung Data/Perhitungan Metode Ya
Bab V
Kesimpulan Dan Saran

5.1 Kesimpulan

Setelah penulis menyelesaikan proses perancangan dan pembuatan

alat/sistem klasterisasi tempat pembudidayaan jamur menggunakan k-means

maka dapat disimpulkan alat yang penulis buat bisa dipakai untuk mengukur

kualitas kumbung jamur berdarkan suhu dan kelembapannya lalu sistem

klasterisasi yang penulis buat juga bisa menjadi patokan atau rujukan untuk

pembudidaya dalam merekomendasikan tempat yang cocok untuk pembudidayaan

jamur sehingga bisa menaikan hasil panen para pembudiya dan menaikan

perekonomian masyarakat di Daerah Subang.

5.2 Saran

Setelah penulis menyelesaikan proses perancangan dan pembuatan

alat/sistem monitoring menggunakan metode k-means maka dapat disimpulkan

sebagai berikut :

1. Diharapkan dipenelitian selanjutnya bisa diperbanyak parameter agar nilai

akurasinya lebih tinggi.

2. Diharapkan dipenelitian selanjutnya sistem bisa terkoneksi dengan jaringan

internet.

3. Bahwa penelitian ini hanya sampai pada batas monitoring sehingga perlu

dilanjutkan pada penggunaan kontrol otomatis dan penambahan machine

81
82

learning pada aplikasi yang telah berdasarkan informasi kesuburan kualitas

jamur.
Daftar Pustaka

Agusta, Y. (2007). K-means - Penerapan, Permasalahan dan Metode Terkait.


Jurnal Sistem dan Informatika, 47-60.
Ashton, K. (2009). Internet of Things.
Cahyana, B. Mucrodji. (1999). Jamur Tiram, Pembibitan, Pembudidayaan,
Analisis, Usaha. Jakarta.
Dhall, R.,, & Solanki, V.J. (2017). An IoT Based Predictive Connected Car
Maintenance Approach. International Journal Of Interactive Multimedia
and Artificial Intelligence, Vol 4.
Dhuhita, W. M. (2015). Clustering Menggunakan Metode K-means Untuk
Menentukan Status Gizi Balita. Jurnal Informatika, 14.
J. Han, K. a. (2007). Data Mining Concepts and Techniques. San Francisco:
Elsevier : 2nd Edition ed.
Mido, A. R. (2018). Rancangan Bangun Mesin Otomatis. Yogyakarta: JURNAL
TeknoSAINS Seri Teknik Komputer.
Mulyono, S., Qomaruddin, M., & Anwar, M. S. (2018). Penggunaan Node-RED
pada Sistem Monitoring dan Kontrol Green House berbasis Protokol
MQTT. Jurnal Transistor Elektro dan Informatika (TRANSISTOR EI) ,
31-44.
Rifai, T. (2012). Kelembapan Terhadap Jamur (Studi kasus: Menentukan Mterial
Yang Baru Untuk Rumah Jamur/Kumbung Jamur).
Saputro, Haris. (2012). Modul Pembelajaran Praktek Basis Data.
Septiani, B. (2017). Sistem Kendali Suhu Dan Kelembaban Secara Otomatis Pada
Rumah Burung Walet. Palembang: Politeknik Sriwijaya.
Siswanto, Apri, & Faldana, Rido. (2014). Sistem Monitoring Rumah Berbasis
Teknologi Cloud Computing. Riau: Fakultas Teknik.
Sitorus, L. (2015). Algoritma dan Pemrograman. Yogyakarta: Andi.
Susilawati, S. (2011). Budidaya Jamur Tiram.
Syam, Rafiudin. (2013). Dasar-dasar Teknik Sensor. Makasar: Universitas
Hasanudin.
Tim J., M. (2016, 06 10). Develop with Node-RED. Retrieved from Intel Software
Developer Zone: http://sofware.intel.com/

83
Lampiran

1. Kode dalam Bahasa pemograman Arduino


#include <ESP8266WiFi.h>
#include <PubSubClient.h>
#include <DHT.h>

#define DHTTYPE DHT11 // DHT 11


const int outputpin = A0;

const char* ssid = "JULI";


const char* password = "12345678";

const char* mqtt_server = "192.168.43.196";

WiFiClient espClient;
PubSubClient client(espClient);

const int DHTPin = D5;

// Lamp - LED - GPIO 4 = D2 on ESP-12E NodeMCU board

// Initialize DHT sensor.


DHT dht(DHTPin, DHTTYPE);

// Timers auxiliar variables


long now = millis();
long lastMeasure = 0;
long lastMsg= 0;
char msg[50];
int value = 0;

// Don't change the function below. This functions connects your ESP8266
to your router
void setup() {
dht.begin();

Serial.begin(115200);
setup_wifi();
client.setServer(mqtt_server, 1883);
client.setCallback(callback);

}
void setup_wifi() {
delay(10);
// We start by connecting to a WiFi network
Serial.println();
Serial.print("Connecting to ");
Serial.println(ssid);
WiFi.begin(ssid, password);
while (WiFi.status() != WL_CONNECTED) {
delay(500);
Serial.print(".");
}
Serial.println("");
Serial.print("WiFi connected - ESP IP address: ");
Serial.println(WiFi.localIP());
}

// This functions is executed when some device publishes a message to a


topic that your ESP8266 is subscribed to
// Change the function below to add logic to your program, so when a
device publishes a message to a topic that
// your ESP8266 is subscribed you can actually do something
void callback(String topic, byte* message, unsigned int length) {
Serial.print("Message arrived on topic: ");
Serial.print(topic);
Serial.print(". Message: ");
String messageTemp;

for (int i = 0; i < length; i++) {


Serial.print((char)message[i]);
messageTemp += (char)message[i];
}
Serial.println();

// Feel free to add more if statements to control more GPIOs with MQTT

// If a message is received on the topic room/lamp, you check if the


message is either on or off. Turns the lamp GPIO according to the
message

Serial.println();
}

// This functions reconnects your ESP8266 to your MQTT broker


// Change the function below if you want to subscribe to more topics with
your ESP8266
void reconnect() {
// Loop until we're reconnected
while (!client.connected()) {
Serial.print("Attempting MQTT connection...");
// Attempt to connect
if (client.connect("ESP8266Client")) {
Serial.println("connected");
// Subscribe or resubscribe to a topic
// You can subscribe to more topics (to control more LEDs in this
example)
// client.subscribe("Test");
} else {
Serial.print("failed, rc= ");
Serial.print(client.state());
Serial.println(" try again in 5 seconds");
// Wait 5 seconds before retrying
delay(300);
}
}
}

void loop() {

if (!client.connected()) {
reconnect();
}

// Sensor readings may also be up to 2 seconds 'old' (its a very slow


sensor)
float analogValue = analogRead(outputpin);
float suhu =(analogValue * 3300.0 ) / 1024.0 ;
// float millivolts = (analogValue*500) / 1023; //3300 is the voltage
provided by NodeMCU
// float celsius = millivolts/10;
float h = dht.readHumidity();

// Computes temperature values in Celsius


static char tkelembapan[7];
dtostrf(h, 6, 2, tkelembapan);
static char tsuhu[7];
dtostrf(suhu, 6, 2, tsuhu);

// Publishes Temperature and Humidity values


client.publish("kelembapan", tkelembapan);
client.publish("suhu", tsuhu);

Serial.print(" Kelembapan: ");


Serial.println(h);
Serial.print(" Suhu: ");
Serial.print(suhu);

delay(3000);
}

Foto-foto pengambilan data kumbung langsung ke lapangan

- Ruang proses panen


- Ruang inkubasi jamur (proses pembibitan)