SKRIPSI
Digunakan Sebagai Syarat Maju Ujian Diploma IV
Politeknik Negeri Malang
Oleh:
MUH. MARSUDIARTO NIM. 1641720166
Disusun oleh:
MUH. MARSUDIARTO NIM. 1641720166
Disetujui oleh:
Mengetahui,
ii
PERNYATAAN
Dengan ini saya menyatakan bahwa pada Skripsi ini tidak terdapat karya, baik
seluruh maupun sebagian, yang sudah pernah diajukan untuk memperoleh gelar
akademik di Perguruan Tinggi manapun, dan sepanjang pengetahuan saya juga
tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang
lain, kecuali yang secara tertulis disitasi dalam naskah ini serta disebutkan dalam
daftar sitasi/pustaka.
Malang, ………………..
Muh. Marsudiarto
iii
ABSTRAK
iv
ABSTRACT
v
KATA PENGANTAR
Puji Syukur kami panjatkan kehadirat Allah Subhanahu Wa Ta’ala atas segala
rahmat dan hidayah-Nya penulis dapat menyelesaikan skripsi dengan judul
“SISTEM MONITORING DAN CONTROLLING KUALITAS AIR TAMBAK
UDANG VANNAMEI DENGAN METODE FUZZY SUGENO”. Skripsi ini
penulis susun sebagai persyaratan untuk menyelesaikan studi program Diploma IV
Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri
Malang.
Kami menyadari bahwasannya dengan tanpa adanya dukungan dan kerja
sama dari berbagai pihak, kegiatan laporan akhir ini tidak akan dapat berjalan baik.
Untuk itu, kami ingin menyampaikan rasa terima kasih kepada:
1. Allah Subhanahu Wa Ta’ala karena atas kehendak dan ridho-Nya sehingga
penelitian ini bisa terselesaikan.
2. Orang tua penulis, Pak Suyadi dan Almarhumah Ibu Shofiyah yang telah
memberikan dukungan serta doa sehingga menjadi alasan utama penulis
untuk selalu bersemangat menyelesaikan tugas akhir ini.
3. Bapak Rudy Ariyanto, ST., M.Cs., selaku ketua jurusan Teknologi Informasi.
4. Bapak Imam Fahrur Rozi, ST., MT., selaku ketua program studi Manajemen
Informatika.
5. Bapak Yuri Ariyanto, S.Kom., M.Kom. dan Bapak Sofyan Noor Arief, S.ST.,
M.Kom. selaku dosen pembimbing yang selalu memberi arahan, semangat
dan saran hingga penulis dapat menyelesaikan peneltian ini.
6. Para dosen pengajar Jurusan Teknologi Informasi Politeknik Negeri Malang
yang telah sabar dan ikhlas menularkan ilmu dan pengetahuannya yang
mengajarkan nilai - nilai kebaikan selama penulis menempuh bangku
perkuliahan.
7. Dan seluruh pihak yang telah membantu dan mendukung lancarnya
pembuatan Laporan Akhir dari awal hingga akhir yang tidak dapat kami
sebutkan satu persatu.
Penulis menyadari bahwa dalam penyusunan laporan akhir ini, masih banyak
terdapat kekurangan dan kelemahan yang dimiliki penulis baik itu sistematika
vi
penulisan maupun penggunaan bahasa. Untuk itu penulis mengharapkan saran dan
kritik dari berbagai pihak yang bersifat membangun demi penyempurnaan laporan
ini. Semoga laporan ini berguna bagi pembaca secara umum dan penulis secara
khusus. Akhir kata, penulis ucapkan banyak terima kasih.
Malang, ……………..
Muh. Marsudiarto
vii
DAFTAR ISI
Halaman
HALAMAN PENGESAHAN .............................................................................. ii
PERNYATAAN ................................................................................................. iii
ABSTRAK ......................................................................................................... iv
ABSTRACT .......................................................................................................... v
KATA PENGANTAR ........................................................................................ vi
DAFTAR ISI .................................................................................................... viii
DAFTAR GAMBAR .......................................................................................... xi
DAFTAR TABEL ............................................................................................ xiii
BAB I. PENDAHULUAN ............................................................................... 1
Latar Belakang ..................................................................................... 1
Rumusan Masalah ................................................................................ 2
Batasan Masalah .................................................................................. 2
Tujuan ................................................................................................. 3
Sistematika Penulisan .......................................................................... 3
BAB II. LANDASAN TEORI ........................................................................... 5
Tambak Udang .................................................................................... 5
Internet of Things (IoT) ........................................................................ 5
NodeMCU ESP8266 ................................................................... 6
ThingSpeak ................................................................................. 6
Sensor Temperatur ...................................................................... 7
Sensor pH ................................................................................... 7
MySQL ................................................................................................ 8
Logika Fuzzy ....................................................................................... 9
Kajian Pustaka ................................................................................... 12
BAB III. METODOLOGI PENELITIAN ......................................................... 14
Data Penelitian ................................................................................... 14
Metode Pengambilan Data ................................................................. 14
Metode Pengolahan Data ................................................................... 15
Metode Pengembangan Perangkat Lunak ........................................... 16
Analisis Kebutuhan ................................................................... 16
3.4.2 Perancangan .............................................................................. 17
3.4.3 Implementasi ............................................................................. 18
Pengujian .................................................................................. 18
3.4.5 Pemeliharaan............................................................................. 19
BAB IV. ANALISIS DAN PERANCANGAN SISTEM ................................... 20
Analisis Kebutuhan ............................................................................ 20
viii
Perangkat Lunak ....................................................................... 20
Perangkat Keras ........................................................................ 20
4.2 Perancangan Sistem ............................................................................ 22
4.2.1 Data Flow Diagram (DFD) Level 0 ........................................... 22
4.2.2 Data Flow Diagram (DFD) Level 1 ........................................... 23
4.2.3 Flowchart Sistem Monitoring ................................................... 24
4.2.4 Flowchart Sistem Automasi ...................................................... 24
4.2.5 Diagram Blok sistem................................................................. 32
4.2.6 Desain Sistem ........................................................................... 32
4.2.7 Desain Prototype ...................................................................... 33
BAB V. IMPLEMENTASI DAN PENGUJIAN .............................................. 35
Implementasi ..................................................................................... 35
Implementasi Prototype ............................................................ 35
Implementasi Perancangan Hardware ....................................... 36
5.1.2.1 Rangkaian Input NodeMCU1 dengan Sensor................. 36
5.1.2.2 Rangkaian Output NodeMCU2 dengan Aktuator ........... 37
5.1.2.3 Rangkaian Motor Driver dengan Motor DC................... 38
Implementasi Database ............................................................. 38
Implementasi User Interface ..................................................... 39
5.1.4.1 Menu Dashboard........................................................... 40
5.1.4.2 Menu Temperatur .......................................................... 40
5.1.4.3 Menu pH ....................................................................... 41
5.1.4.4 Menu Laporan ............................................................... 41
Implementasi Thingspeak .......................................................... 42
Implementasi Kode Program ..................................................... 43
5.1.6.1 Kode Program Pembacaan Sensor ................................. 44
5.1.6.2 Kode Program Perhitungan Metode Fuzzy .................... 45
5.1.6.3 Kode Program Send to Thingspeak ................................ 47
5.1.6.4 Kode Program Model .................................................... 48
5.1.6.5 Kode Program Controller .............................................. 50
5.1.6.6 Kode Program Insert Database ..................................... 56
Implementasi Metode Fuzzy Sugeno ......................................... 57
Pengujian ........................................................................................... 64
Pengujian Sensor Temperatur.................................................... 64
Pengujian Sensor pH ................................................................. 65
Pengujian Input Data ................................................................ 66
Pengujian Website Monitoring .................................................. 67
Pengujian Metode Fuzzy Sugeno ............................................... 68
Pengujian Aktuator ................................................................... 69
Pengujian Fungsional ................................................................ 71
BAB VI. HASIL DAN PEMBAHASAN .......................................................... 72
Hasil .................................................................................................. 72
Hasil Pengujian Sensor Temperatur .......................................... 72
Hasil Pengujian Sensor pH ........................................................ 73
Hasil Pengujian Input Data ....................................................... 74
Hasil Pengujian Website Monitoring ......................................... 74
ix
Hasil Pengujian Metode Fuzzy Sugeno ...................................... 76
Hasil Pengujian Aktuator .......................................................... 77
6.1.6.1 Kondisi Dingin dan Rendah .......................................... 77
6.1.6.2 Kondisi Dingin dan Netral............................................. 77
6.1.6.3 Kondisi Dingin dan Tinggi ............................................ 78
6.1.6.4 Kondisi Hangat dan Rendah .......................................... 78
6.1.6.5 Kondisi Hangat dan Netral ............................................ 79
6.1.6.6 Kondisi Hangat dan Tinggi............................................ 79
6.1.6.7 Kondisi Panas dan Rendah ............................................ 80
6.1.6.8 Kondisi Panas dan Netral .............................................. 80
6.1.6.9 Kondisi Panas dan Tinggi .............................................. 81
Hasil Pengujian Fungsional ....................................................... 81
Pembahasan ....................................................................................... 83
Pembahasan Hasil Pengujian Sensor Temperatur ...................... 84
Pembahasan Hasil Pengujian Sensor pH ................................... 84
Pembahasan Hasil Pengujian Input Data ................................... 85
Pembahasan Hasil Pengujian Website Monitoring ..................... 86
Pembahasan Hasil Pengujian Metode Fuzzy Sugeno .................. 87
Pembahasan Hasil Pengujian Aktuator ...................................... 88
Pembahasan Hasil Pengujian Fungsional................................... 88
Pembahasan Hasil Pengujian User ............................................ 89
BAB VII. KESIMPULAN DAN SARAN .......................................................... 90
Kesimpulan ........................................................................................ 90
Saran.................................................................................................. 91
DAFTAR PUSTAKA ........................................................................................ 92
x
DAFTAR GAMBAR
Halaman
Gambar 2.1 Tambak udang .................................................................................. 5
Gambar 2.2 NodeMCU ESP8266 Amica.............................................................. 6
Gambar 2.3 Sensor temperatur DS18B20 ............................................................. 7
Gambar 2.4 Sensor pH ......................................................................................... 8
Gambar 2.5 Representasi linear naik .................................................................. 10
Gambar 2.6 Representasi linear turun ................................................................. 10
Gambar 2.7 Representasi kurva segitiga ............................................................. 11
Gambar 2.8 Representasi kurva trapesium .......................................................... 11
Gambar 3.1 Alur waterfall ................................................................................. 16
Gambar 3.2 Black Box Testing ........................................................................... 18
Gambar 4.1 DFD Level 0 ................................................................................... 23
Gambar 4.2 DFD Level 1 ................................................................................... 23
Gambar 4.3 Flowchart Sistem Monitoring ......................................................... 24
Gambar 4.4 Flowchart Sistem Automasi ............................................................ 25
Gambar 4.5 Flowchart perhitungan fuzzy sugeno proses fuzzifikasi 1 ................ 26
Gambar 4.6 Flowchart perhitungan fuzzy sugeno proses fuzzifikasi 2 ................ 27
Gambar 4.7 Flowchart perhitungan fuzzy sugeno proses fungsi implikasi ........... 28
Gambar 4.8 Flowchart perhitungan fuzzy sugeno proses inferensi (max) ............ 29
Gambar 4.9 Flowchart perhitungan fuzzy sugeno proses defuzzifikasi ................ 30
Gambar 4.10 Flowchart perhitungan hasil bobot nilai fuzzy ............................... 31
Gambar 4.11 Diagram Blok Sistem .................................................................... 32
Gambar 4.12 Desain Sistem ............................................................................... 33
Gambar 4.13 Desain prototype sistem tampak atas ............................................. 33
Gambar 4.14 Desain prototype tampak samping................................................. 34
Gambar 5.1 Tampak depan dan belakang prototype ........................................... 35
Gambar 5.2 Tampak samping prototype ............................................................. 35
Gambar 5.3 NodeMCU input terletak di samping kanan prototype ..................... 36
Gambar 5.4 Rangkaian pin sensor dan NodeMCU ............................................. 37
Gambar 5.5 NodeMCU output terletak di atas prototype .................................... 37
Gambar 5.6 Rangkaian pin relay dan motor driver ............................................. 38
Gambar 5.7 Rangkaian motor driver dengan motor dc ....................................... 38
Gambar 5.8 Tabel monitoring ............................................................................ 39
Gambar 5.9 Tabel user ....................................................................................... 39
Gambar 5.10 User interface menu dashboard .................................................... 40
Gambar 5.11 User interface menu temperatur.................................................... 40
Gambar 5.12 User interface menu pH ................................................................ 41
Gambar 5.13 User interface menu laporan ......................................................... 41
Gambar 5.14 Thingspeak API key ...................................................................... 42
Gambar 5.15 Live widget yang disediakan thingspeak ........................................ 43
Gambar 5.16 Himpunan keanggotaan temperatur ............................................... 58
Gambar 5.17 Himpunan keanggotaan pH ........................................................... 59
Gambar 5.18 Himpunan kondisi implikasi ......................................................... 61
Gambar 5.19 Perhitungan metode fuzzy sugeno excel ......................................... 63
Gambar 6.1 Insert data ke database ................................................................... 74
xi
Gambar 6.2 Website diakses melalui internet ..................................................... 75
Gambar 6.3 Kondisi dingin dan rendah .............................................................. 77
Gambar 6.4 Kondisi dingin dan netral ................................................................ 78
Gambar 6.5 Kondisi dingin dan tinggi ................................................................ 78
Gambar 6.6 Kondisi hangat dan rendah .............................................................. 79
Gambar 6.7 Kondisi hangat dan netral ............................................................... 79
Gambar 6.8 Kondisi hangat dan tinggi ............................................................... 80
Gambar 6.9 Kondisi panas dan rendah ............................................................... 80
Gambar 6.10 Kondisi panas dan netral ............................................................... 81
Gambar 6.11 Kondisi panas dan tinggi ............................................................... 81
Gambar 6.12 Data sensor dari serial monitor NodeMCU .................................... 81
Gambar 6.13 Data sensor realtime pada website monitoring............................... 82
Gambar 6.14 Status aktuator realtime pada website monitoring .......................... 82
Gambar 6.15 Data yang tersimpan dalam database ............................................ 82
Gambar 6.16 Live chart dan live status dari thingspeak ...................................... 83
Gambar 6.17 Hosting website menggunakan FTP .............................................. 83
Gambar 6.18 Grafik pengujian sensor temperatur ............................................... 84
Gambar 6.19 Grafik pengujian sensor pH........................................................... 85
Gambar 6.20 Data masuk dalam database .......................................................... 86
xii
DAFTAR TABEL
Halaman
Tabel 2.1 Penulis terdahulu ................................................................................ 13
Tabel 4.1 Spesifikasi kebutuhan perangkat lunak ............................................... 20
Tabel 4.2 Spesifikasi kebutuhan perangkat keras ................................................ 21
Tabel 5.1 Kode program pembacaan sensor ....................................................... 44
Tabel 5.2 Kode program perhitungan metode fuzzy sugeno ................................ 45
Tabel 5.3 Kode program send to thingspeak ....................................................... 47
Tabel 5.4 Kode program file Login_model.php .................................................. 48
Tabel 5.5 Kode program file Data_Model.php ................................................... 48
Tabel 5.6 Kode program file Login.php ............................................................. 50
Tabel 5.7 Kode program file Dashboard.php ...................................................... 52
Tabel 5.8 Kode program file Sensor.php ............................................................ 53
Tabel 5.9 Kode program file Report.php ............................................................ 55
Tabel 5.10 Kode program file insertdb.php ........................................................ 56
Tabel 5.11 Himpunan keanggotaan temperatur ................................................... 58
Tabel 5.12 Himpunan keanggotaan pH............................................................... 59
Tabel 5.13 Fungsi implikasi inferensi ................................................................. 60
Tabel 5.14 Variabel kondisi ............................................................................... 60
Tabel 5.15 Pengujian sensor temperatur DS18B20 ............................................. 64
Tabel 5.16 Pengujian sensor pH ......................................................................... 65
Tabel 5.17 Pengujian input data ke database ..................................................... 66
Tabel 5.18 Pengujian website monitoring ........................................................... 67
Tabel 5.19 Pengujian metode fuzzy sugeno ......................................................... 68
Tabel 5.20 Pengujian aktuator ............................................................................ 69
Tabel 5.21 Pengujian fungsional ........................................................................ 71
Tabel 6.1 Hasil pembacaan sensor temperatur .................................................... 72
Tabel 6.2 Hasil pembacaan sensor pH ................................................................ 73
Tabel 6.3 Hasil pengujian respon sistem............................................................. 76
Tabel 6.4 Rentang nilai temperatur tertinggi dan terendah .................................. 84
Tabel 6.5 Rentang nilai bubuk kalibrasi pH ........................................................ 85
Tabel 6.6 Nilai akurasi pada website monitoring ................................................ 86
Tabel 6.7 Nilai akurasi perhitungan metode fuzzy sugeno ................................... 87
Tabel 6.8 Perbandingan nilai hasil deffuzifikasi ................................................. 87
Tabel 6.9 Perbandingan output kondisi............................................................... 88
xiii
BAB I. PENDAHULUAN
Latar Belakang
Kegiatan perikanan di Kabupaten Sidoarjo yang terbesar adalah budidaya
perikanan tambak dengan hasil total mencapai 74.897 ton pada tahun 2016 yang
menjadikan Sidoarjo sebagai penghasil terbesar budidaya tambak di Provinsi Jawa
Timur (BPS Provinsi Jawa Timur, 2018). Budidaya perikanan tambak merupakan
kegiatan potensial yang mampu mendukung perekonomian masyarakat pesisir
Kabupaten Sidoarjo. Dalam hal ini, kualitas air menjadi hal yang sangat
diperhatikan dimana perubahan kualitas air tambak yang sangat berpengaruh
terhadap potensi perikanan tambak udang vannamei.
Pada 2006 terjadi semburan Lumpur Lapindo yang dimana pembuangan
Lumpur Lapindo melalui Kali Porong ditakutkan berdampak pada ancaman
kelangsungan usaha perikanan budidaya tambak udang karena air sungai dan atau
air laut merupakan sirkulasi air pada tambak. Pengelolaan kualitas air merupakan
suatu cara untuk menjaga parameter kualitas air sesuai dengan baku mutu bagi
kultivan. Parameter-parameter itu merupakan suatu indikator untuk melihat kulitas
air, seperti oksigen terlarut (DO), karbondioksida (CO2) bebas, pH, temperatur,
kecerahan, salinitas, amonia, dan nitrit (M. Faiz Fuady, 2013).
Tambak udang vannamei yang menjadi objek penelitian berada di Desa
Kedung Peluk Kecamatan Candi Kabupaten Sidoarjo. Proses pengukuran kualitas
air pada tambak saat ini hanya dilakukan pengecekan secara manual kondisi
kualitas air tambak udang diperiode jam tertentu pada siang hari akan tetapi, pada
saat malam hari masih jarang dilakukan. Sehingga jika malam hari kemungkinan
bisa terjadi adanya penurunan parameter kualitas air yang signifikan. Faktor-faktor
yang bisa memicu terjadinya perubahan parameter kualitas air antara lain, panas
yang terik pada siang hari, terjadinya hujan, penurunan temperatur pada malam hari
dan masuknya material asing ke dalam tambak.
Berdasarkan permasalahan tersebut maka dalam penelitian ini dirancang
perangkat sistem monitoring dan controlling kualitas air tambak udang vannamei
yang memanfaatkan teknologi internet of things yang diharapkan bisa memantau
dan mengontrol kondisi kualitas air dari jarak jauh. Dalam hal ini penelitian yang
1
dilakukan menggunakan dua parameter kualitas air yaitu temperatur dan kadar pH
dalam aktivitas monitoring dan controlling. Adapun untuk pengontrolan dua
parameter kualitas air tersebut menggunakan dua aktuator, yaitu kincir air yang
berguna untuk menurunkan temperatur temperatur air aquarium dan pompa air
untuk penambahan air ke dalam prototype aquarium dengan tujuan untuk
menaikkan atau menurunkan kadar pH menggunakan metode fuzzy sugeno.
Microcontroller NodeMCU ESP8266 sebagai pengolah data dari input sensor yang
kemudian diproses untuk menentukan output berupa menyalakan kincir air dan
pompa air. Diharapkan dengan adanya sistem ini dapat membantu pengelola
tambak dan pemilik tambak dalam melakukan pengelolaan ataupun pemantauan
kualitas air tambak dari jarak jauh yang dimana akan berdampak langsung pada
kelangsungan hidup udang vannamei dan hasil panen.
Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah yang dapat
diambil adalah sebagai berikut:
1. Bagaimana merancang bangun perangkat sistem monitoring dan controlling
temperatur dan kadar pH?
2. Bagaimana penerapan Internet of Things (IoT) untuk monitoring dan
controlling?
3. Bagaimana menggunakan metode Fuzzy Sugeno pada sistem controlling
(automasi) menggunakan parameter temperatur dan kadar pH?
Batasan Masalah
Agar penulisan skripsi ini berjalan sesuai rencana dan tujuan awal, maka
penulis memberikan batasan-batasan sebagai berikut :
1. Sistem ini memantau dua parameter kualitas air secara real-time menggunakan
sensor, parameter tersebut adalah temperatur air dan kadar pH.
2. Sistem ini menggunakan skala prototype tambak dengan ukuran 45x25x28cm.
3. Proses pengontrolan kualitas air menggunakan aktuator kincir air dan pompa
air.
4. Sistem terkoneksi dengan internet.
2
Tujuan
Dalam pembuatan alat pengontrol kualitas air tambak ini tentunya ada
beberapa tujuan yang menjadi tolok ukur keberhasilan alat ukur ini, adalah sebagai
berikut:
1. Dapat membuat rancang bangun sistem monitoring dan controlling temperatur
dan kadar pH.
2. Menerapkan Internet of Things (IoT) untuk monitoring dan controlling.
3. Menggunakan metode Fuzzy Sugeno pada sistem controlling (automasi)
menggunakan parameter temperatur dan kadar pH.
Sistematika Penulisan
Dalam menyusun skripsi ini, pembahasan penulis sajikan dalam tujuh bab
pokok bahasan, diantaranya adalah :
BAB I PENDAHULUAN
Berisi tentang latar belakang, perumusan masalah, batasan
masalah, tujuan dan sistematika penulisan.
BAB II LANDASAN TEORI
Bagian ini berisi mengenai teori dan penjelasan lainnya yang
relevan mengenai Internet of Things dan permasalahan lain yang
akan dibahas dalam penulisan skripsi ini diantaranya tambak
udang, konsep Internet of Things, NodeMCU, Thingspeak,
Sensor Temperatur, Sensor pH, MySQL, Logika Fuzzy dan
Kajian pustaka.
BAB III METODOLOGI PENELITIAN
Beberapa uraian pada bab ini antara lain data penelitian, metode
pengambilan data, metode pengolahan data dan fase-fase
pengembangan perangkat lunak yang menggunakan metode
waterfall.
BAB IV ANALISIS DAN PERANCANGAN SISTEM
Bagian ini berisikan tentang analisis kebutuhan yang meliputi
kebutuhan perangkat lunak dan perangkat keras serta
memaparkan data-data yang dibutuhkan dalam perancangan
3
suatu sistem yang terdiridari DFD, Flowchart, Diagram Blok
Sistem, Desain Sistem dan Desain Prototype.
BAB V IMPLEMENTASI DAN PENGUJIAN
Berisi pembahasan mengenai implementasi sistem serta fitur
yang ada dalam sistem mulai dari implementasi prototype,
implementasi perancangan hardware, implementasi database,
implementasi user interface, implementasi thingspeak,
implementasi kode program dan implementasi metode fuzzy
sugeno. Kemudian menjelaskan tentang pengujian yang
dilakukan dari perangkat lunak, fitur dan hardware sehingga
sistem dapat dianalisa.
BAB VI HASIL DAN PEMBAHASAN
Bab ini berisi pemaparan hasil penelitian berupa hasil uji sensor,
pengiriman data, website dashboard monitoring, metode fuzzy
sugeno, aktuator dan fungsional.
BAB VII KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dan saran hasil dari penelitian yang
sudah dilakukan berdasarkan analisa, implementasi dan
pengujian terhadap sistem.
4
BAB II. LANDASAN TEORI
Tambak Udang
Tambak merupakan salah satu jenis habitat yang dipergunakan sebagai
tempat untuk kegiatan budidaya air payau yang berlokasi di daerah pesisir.
Kegiatan budidaya tambak yang terus menerus menyebabkan terjadinya degradasi
lingkungan, yang ditandai dengan menurunnya kualitas air. Kendala lingkungan
yang dihadapi dalam kegiatan budidaya diantaranya penataan wilayah atau
penataan ruang pengembangan budidaya yang tidak memperhatikan daya dukung
lingkungan akibat pengelolaan yang tidak tepat, sehingga menimbulkan
permasalahan lingkungan dengan segala aspek komplikasinya dalam kurun waktu
yang panjang (Andrian Kristanto, Iwan Setiawan, & Sumardi, 2013).
Keberhasilan dalam budidaya udang temperatur berkisar antara 25-32°C,
sedangkan pH untuk standar budidaya udang vannamei berkisar 7,5-8,5 (Andi
Sahrijanna & Sahabuddin, 2014). Tambak udang dengan kincir air ditunjukkan
pada gambar 2.1.
5
seperti remote temperature sensor, GPS tracking, dan sebagainya yang
menggunakan internet atau jaringan sebagai media untuk melakukannya (Oris
Krianto Sulaiman & Adi Widarma, 2017).
NodeMCU ESP8266
NodeMCU merupakan sebuah open source platform IoT dan pengembangan
kit yang menggunakan bahasa pemrograman Lua untuk membantu pembuat dalam
membuat produk IoT atau bisa dengan memakai sketch dengan arduino IDE.
NodeMCU juga memiliki board yang berukuran sangat kecil yaitu panjang 4.83cm,
lebar 2.54 cm, dan dengan berat 7 gram, selain itu NodeMCU juga memiliki harga
yang relatif terjangkau, tapi walaupun ukurannya yang kecil dan harganya yang
terjangkau board ini sudah dilengkapi dengan fitur wifi dan firmwarenya yang
bersifat opensource (Muchammad Cholilulloh, 2018). NodeMCU ditunjukkan pada
gambar 2.2.
ThingSpeak
ThingSpeak merupakan sebuah layanan internet yang menyediakan layanan
untuk pengaplikasian "Internet of Things". ThingSpeak merupakan layanan yang
berisi aplikasi dan API yang bersifat open source untuk menyimpan dan mengambil
data dari berbagai perangkat yang menggunakan HTTP (Hypertext Transfer
Protocol) melalui internet atau melalui LAN (Local Area Network). Dengan
menggunakan ThingSpeak, seseorang dapat membuat aplikasi logging sensor,
6
aplikasi pelacakan lokasi, dan jaringan sosial dari segala sesuatu yang terhubung ke
internet dengan pembaruan status (Chwalisz, 2016).
Pengiriman dan penyimpanan data menjadi hal yang sangat penting dalam
studi kasus ini. Maka dari itu penulis menggunakan thingspeak yang berguna untuk
memudahkan menampilkan data yang dilakukan secara realtime karena data bisa
diakses dengan hanya menggunakan url atau widget yang sudah disediakan oleh
thingspeak.
Sensor Temperatur
Sensor yang digunakan pada peneilitian ini adalah DS18B20. Sensor ini
memiliki rentang daya 3.0V hingga 5.5V. Keluaran dari sensor DS18B20 akan
dikonversikan menjadi data digital oleh data ADC internal 10-bit pada
microcontroller. Sensor temperatur ditunjukan pada gambar 2.3.
7
Gambar 2.4 Sensor pH
Sensor ini menggunakan pH probe yang dengan kabel yang cukup pajang,
terdapat dua potensio meter yang berguna untuk kalibrasi. Terdapat 6 pin yang ada
dalam pcb, yang digunakan pin ground, v+ dan pin po sebagai pin data. Pin data
terhubung dengan pin analog dalam microcontroller NodeMCU yang sesuai
dengan keperluan rangkaian. Penggunaan sensor pH ini berguna sebagai input data
untuk perhitungan metode.
MySQL
MySQL merupakan sebuah perangkat lunak yang berfungsi sebagai server
database dengan kemampuan dapat mengelola database secara cepat dan dengan
kemampuan menampung data dalam jumlah besar, serta memiliki kehandalan dapat
diakses oleh banyak pengguna (multiuser). MySQL untuk saat ini sudah banyak
digunakan diberbagai bidang perusahaan untuk melakukan penyimpanan dan
pengelolaan data dengan jumlah besar mulai dari bidang akademis, industri kecil ,
menengah, hingga industri besar. Dalam hal lisensi, MySQL memiliki dua jenis
yaitu produk berbayar dan produk open source dibawah General Public License
sehingga memiliki akses gratis. Beberapa keunggulan dari MySQL sehingga
menjadi database server populer sampai saat ini adalah fleksibel, performa tinggi,
lintas platform, gratis, proteksi data yang handal, serta memiliki jangkauan
komunitas pengembangan yang luas (Raharjo, 2011).
Selain menggunakan thingspeak sebagai penyimpanan data, penulis
menggunakan MySQL untuk kebutuhan data yang ada pada fitur laporan.
8
Kemudahan pengiriman data dan pengolahan data menjadi alasan utama untuk
menggunakan MySQL sebagai perangkat lunak penyimpanan database.
Logika Fuzzy
Logika fuzzy merupakan sebuah metode “berhitung” dengan variable kata
(Variabel Linguistik), sebagai pengganti berhitung dengan bilangan. Memang kata-
kata yang digunakan dalam fuzzy tidak setepat bilangan, namun kata yang
digunakan dalam fuzzy lebih dengan intuisi manusia, seperti kata ”merasakan”,
“kira-kira”, “lebih kurang” dan sebagainya. Sesuai dengan perkembangan daya
fikir manusia, maka logika fuzzy ini menjadi popular untuk digunakan dalam riset
karena kemampuannya dalam menjembatani Bahasa mesin yang serba tepat
(Setiawan et al., 2018).
Logika fuzzy memiliki sebuah nilai yang dinyatakan dalam sebuah himpunan
derajat suatu keanggotaan, berbeda dengan logika komputer yang memiliki nilai
pasti yaitu 0 dan 1. Logika fuzzy memiliki nilai yang berada di antara sepenuhnya
salah sampai sepenuhnya benar dan merupakan nilai yang memiliki keambiguan,
dengan artian logika fuzzy memiliki nilai tidak pasti atau samar – samar
(Meimaharani & Listyorini., 2014).
Menurut Cox (1994), ada beberapa alasan mengapa harus menggunakan logika
fuzzy, antara lain (Mulyanto & Haris., 2016) :
1. Konsep dari logika fuzzy sangat mudah dimengerti, karena pada dasarnya mirip
dengan dasar ilmu matematis teori himpunan.
2. Sangat fleksibel, yang mana mampu beradaptasi dengan perubahan,
ketidakpastian yang menyertai sebuah permasalahan.
3. Memiliki toleransi terhadap data yang tidak tepat, jika ada sekelompok data
yang cukup homogen atau memiliki banyak kemiripan maka logika fuzzy bisa
menanganinya.
4. Mampu memodelkan fungsi – fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat melakukan pengaplikasian pengalaman para pakar secara
langsung tanpa harus melakukan proses pelatihan sistem. Biasa dikenal dengan
Fuzzy Expert System.
9
6. Memiliki kemampuan untuk melakukan kolaborasi dengan teknik kendali
secara konvensional. Biasanya terjadi pada aplikasi dibidang teknik mesin
maupun elektro.
7. Logika fuzzy didasarkan pada bahasa alamiah, sehingga dapat dimengerti
dengan bahasa sehari – hari.
a. Representasi Kurva Linear
Pada proses pemetaan input kedalam derajat keanggotaan direpresentasikan
sebagai suatu garis lurus atau linear. Himpunan fuzzy memiliki dua keadaan linear,
yang pertama adalah representasi linear naik yaitu kenaikan himpunan dimulai pada
nilai domain yang memiliki derajat keanggotaan nol (0) bergerak ke atas atau ke
kanan menuju nilai keanggotaan yang memiliki derajat keanggotaan yang lebih
tinggi.
0, 𝑥 ≤𝑎
𝑥−𝑎
µ[x] = {𝑏 − 𝑎 𝑎 ≤ 𝑥 ≤ 𝑏
1 𝑥 ≥𝑏
1, 𝑥 ≤𝑎
𝑥−𝑎
µ[x] = {𝑏−𝑎 10 ≤ 𝑥 ≤ 𝑏
0 𝑥 ≥𝑎
10
Pada dasarnya kurva segitiga merupakan gabungan dari garis linear naik dan
turun.
0,
𝑥−𝑎 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑐
µ[x] = {𝑏 − 𝑎 𝑎≤𝑥≤𝑏
𝑐−𝑥
𝑏 ≤𝑥≤𝑐
𝑐−𝑏
0,
𝑥−𝑎 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑
𝑏 −𝑎 𝑎≤𝑥≤𝑏
µ[x] =
1 𝑏 ≤𝑥≤𝑐
𝑑−𝑥
𝑥≤𝑑
{𝑑 − 𝑐
11
Pada proses perhitungan dan langkah dari metode Fuzzy Inference System
(FIS) Mamdani, FIS Sugeno dan FIS Tsukamoto hampir tidak ada perbedaan hanya
saja berbeda pada konsekuen output. Berikut adalah tahapan - tahapan dari proses
metode Fuzzy Sugeno, yaitu :
1. Fuzzifikasi
Fuzzifikasi merupakan proses pengelompokan data yang bersifat tegas (Crips)
kedalam himpunan Fuzzy. Kemudian menyusun domain himpunan Fuzzy dari
rentang jangkauan variabel suatu himpunan.
2. Aplikasi fungsi implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan Fuzzy akan berhubungan
dengan suatu relasi Fuzzy. Bentuk umum dari fungsi implikasi adalah IF x
adalah A THEN y adalah B.
3. Komposisi aturan
Pada komposisi aturan digunakan fungsi maksimal (MAX) untuk memperoleh
solusi himpunan dengan cara mengambil nilai tertinggi dari setiap proposisi
yang telah di evaluasi. Apabila semua proposisi telah di evaluasi, maka akan
menghasilkan output yang berisi kesimpulan dari tiap – tiap proposisi.
4. Defuzzifikasi
Dalam melakukan penegasan untuk menghasilkan nilai tegas, digunakan
rumus dengan cara mencari rata – rata terbobot (Weight Average) sebagai
berikut :
𝑎1 𝑧 1 + 𝑎2 𝑧 2 + 𝑎3 𝑧 3 + … 𝑎𝑖 𝑧 𝑖
𝑊𝐴 =
𝑎1 + 𝑎2 + 𝑎3 + … 𝑖
Kajian Pustaka
Berikut merupakan penelitian terdahulu yang disajikan dalam tabel agar dapat
mempermudah pembaca.
12
Tabel 2.1 Penulis terdahulu
13
BAB III. METODOLOGI PENELITIAN
Data Penelitian
Kelangsungan hidup udang vannamei bergantung pada beberapa parameter
kualitas air yang diantaranya adalah temperatur air dan kadar pH yang ada pada
tambak budidaya udang sehingga data yang akan diolah didalam sistem diperoleh
dari data input sensor temperatur dan pH.
Metode Pengambilan Data
Metode yang dilakukan dalam pengambilan data yang dilakukan terdiri
sebagai berikut :
1. Observasi
Studi lapangan (observasi) merupakan teknik pengumpulan data dengan
langsung terjun ke lapangan untuk mengamati permasalahan yang terjadi. Dalam
penelitian ini, peneliti melakukan pengamatan langsung ke lokasi budidaya tambak
udang di Desa Kedung Peluk Kecamatan Candi Kabupaten Sidoarjo.
2. Wawancara
Wawancara merupakan teknik pengumpulan data yang dilakukan melalui
tatap muka dan tanya jawab langsung antara pengumpul data terhadap narasumber
/ sumber data. Adapun sumber data peneliti yaitu pemilik dan pengelola tambak
udang, Bapak Alimun di Desa Kedungpeluk, Kecamatan Candi, Kabupaten
Sidoarjo.
3. Studi Literatur
Studi Literatur adalah salah satu metode pengumpulan data dengan cara
membaca buku-buku dan jurnal sesuai dengan data yang dibutuhkan. Pada
penelitian ini penulis memilih studi literatur untuk mengumpulkan referensi dari
jurnal yang membahas tentang kualitas air pada tambak dan cara pengelolaan
tambak udang.
14
Metode Pengolahan Data
Metode fuzzy sugeno memiliki kelebihan yaitu memberikan output yang
bersifat lebih intuitif dan lebih sesuai dengan pola pikir manusia. Untuk beberapa
permasalahan yang mengandung ketidakpastian, metode ini dapat digunakan dalam
pemecahan masalah seperti optimasi dan kontrol otomatis (Suyanto, 2014). Dalam
proses perhitungan menggunkan metode fuzzy sugeno ini terdapat 2 input, yaitu
data temperatur air dan kadar pH yang diperoleh dari pembacaan sensor yang telah
terkirim ke microcontroller NodeMCU.
Temperatur, kadar pH, kontrol status nyala mati pompa dan motor DC kincir
disebut sebagai variabel lingustik. Input data akan memasuki proses fuzzifikasi
digunakan untuk merubah informasi input-an dari data ke dalam himpunan fuzzy
linguistik. Pada tahapan akhir metode yang disebut deffuzifikasi akan diperoleh
output berupa kontrol nyala mati kincir air dan pompa air.
Berikut merupakan alur dari metode fuzzy sugeno yang akan digunakan untuk
pengolahan data.
1. Fuzzifikasi
Fuzzifikasi merupakan proses pengelompokan data yang bersifat tegas
(Crips) kedalam himpunan fuzzy. Kemudian menyusun himpunan fuzzy dari rentang
jangkauan variabel suatu himpunan. Pada penelitian ini proses fuzzifikasi memiliki
himpunan keanggotaan dari dua masukan yaitu temperatur dan pH. Nilai dari
temperatur yang akan diperoleh dari sensor temperatur DS18B20 dan nilai dari pH
yang diperoleh dari sensor pH kit.
2. Implikasi
Implikasi adalah tiap-tiap aturan (proposisi) pada basis pengetahuan Fuzzy
akan berhubungan dengan suatu relasi Fuzzy. Bentuk umum dari fungsi implikasi
adalah IF x adalah A THEN y adalah B.
3. Komposisi Aturan
Komposisi aturan digunakan fungsi maksimal (MAX) untuk memperoleh
solusi himpunan dengan cara mengambil nilai tertinggi dari setiap proposisi yang
telah dievaluasi. Apabila semua proposisi telah di evaluasi, maka akan
menghasilkan output yang berisi kesimpulan dari tiap – tiap proposisi.
Usf [Xi] = MAX (Usf [Xi], Ukf [Xi])
Keterangan :
15
Usf [Xi] : nilai dari solusi fuzzy urutan ke – i.
Ukf [Xi] : nilai dari solusi fuzzy urutan ke – i.
4. Defuzzyfikasi
ai : adalah α – predikat ke – i.
zi : adalah konsekuensi ke – i.
Metode Pengembangan Perangkat Lunak
Pada penelitian ini, metode perancangan aplikasi yang digunakan adalah
waterfall. Metode waterfall adalah suatu proses pengembangan perangkat lunak
berurutan, dimana kemajuan dipandang sebagai terus mengalir ke bawah (seperti
air terjun) melewati fase-fase analisis kebutuhan, perancangan, implementasi
(konstruksi), pengujian dan pemeliharaan.
Metode waterfall memiliki beberapa tahapan yang runtut yang ditunjukkan
pada gambar 3.1.
Analisis Kebutuhan
Analisis kebutuhan sistem ini ditujukan untuk menguraikan kebutuhan-
kebutuhan yang harus disediakan oleh sistem agar dapat memenuhi kebutuhan
pengguna dan sesuai dengan tujuan penelitian. Rancangan sistem ini menjelaskan
kebutuhan antarmuka, kebutuhan data masukan dan data keluaran yang
menunjukkan spesifikasi sistem yang dijalankan.
16
1. Kebutuhan Fungsional
Dapat me-monitoring kualitas air pada prototype tambak aquarium.
Dapat memberikan tindakan yang harus dilakukan terhadap air pada
aquarium secara otomatis.
Dapat melakukan monitoring menggunakan dashboard website.
2. Kebutuhan Non Fungsional
A. Security
Keamanan software pada aplikasi, sistem tidak mengizikan pengoperasian
perangkat aplikasi kecuali dapat menginput username dan password dengan
benar serta sistem menjamin ketika dijalankan tidak menggagu sistem lain.
B. Usability
Usability adalah kebutuhan non-fungsional terkait dengan kemudahan
pengguna sistem atau perangkat lunak oleh user. User interface pada sistem
dibuat dengan sederhana untuk memudahkan pengguna (User Friendly).
3.4.2 Perancangan
Pada tahap perancangan dilakukan setelah melakukan tahap analisis
kebutuhan sistem, sehingga kebutuhan yang akan gunakan sesuai dengan
fungsinya. Perancangan bertujuan memberikan gambaran hubungan antar
komponen dan sebuah proses dengan yang lainnya. Terdapat dua perancangan yang
dilakukan yaitu perancangan perangkat keras dan perangkat lunak. Pada
perancangan perangkat keras akan menjelaskan fungsi dan memaparkan alur kerja
perangkat sehingga dapat terhubung dengan komponen lainya. Perancangan
perangkat keras meliputi rancangan prototype tambak (aquarium), rancangan
arsitektur dari perangkat keras, rancangan setiap sensor, serta rancangan komponen
pendukung lainnya seperti kincir air dan relay pompa.
Sedangkan perancangan perangkat lunak membahas perancangan yang
berhubungan dengan jalannya sebuah program pada sistem. Perancangan perangkat
lunak meliputi antara lain perancangan kebutuhan database, perancangan
kebutuhan tabel untuk menyimpan data, proses pembacaan sensor, proses
perhitungan pada metode Fuzzy Sugeno serta semua proses yang berhubungan
dengan pengolahan pada sistem.
17
3.4.3 Implementasi
Tahap implementasi sistem mengacu pada perancangan Aplikasi serta
implementasinya terhadap prototype yang telah dibangun. Implementasi aplikasi
sistem dilakukan dengan menggunakan bahasa pemrograman PHP dengan
framework Codeigniter dan memanfaatkan store data cloud dengan Thingspeak.
Implementasi prototype menggunakan aquarium berukuran 40x25x28cm.
Implementasi sistem meliputi:
1. Pembuatan User Interface sistem.
2. Penerapan metode fuzzy sugeno untuk perhitungan kontrol nyala mati kincir air
dan pompa air.
3. Penerapan Sistem terhadap prototype aquarium.
Pengujian
Pengujian sistem ini akan dilakukan dengan menggunakan metode pengujian
Black Box. Black Box Testing atau yang sering dikenal dengan sebutan pengujian
fungsional merupakan metode pengujian perangkat lunak yang digunakan untuk
menguji perangkat lunak tanpa mengetahui struktur internal kode atau Program.
Dalam pengujian ini, tester menyadari apa yang harus dilakukan oleh program tetapi
tidak memiliki pengetahuan tentang bagaimana melakukannya. (Peni Kurniawati, 2018)
Adapun hal yang dilakukan dalam pengujian dari sistem ini meliputi beberapa
tahapan, yaitu:
1. Pengujian perangkat keras dan perangkat lunak, pengujian ini dilakukan dengan
menjalankan sistem monitoring kualitas air pada sebuah sistem prototype
dengan miniatur tambak berupa aquarium untuk mengetahui kerja dari sensor-
sensor dan perangkat lainnya sehingga data sensor bisa diolah dengan baik.
2. Pengujian dari implementasi metode fuzzy sugeno, pengujian ini bertujuan
untuk membandingkan validitas metode fuzzy sugeno perhitungan manual
18
dengan fuzzy sugeno yang sudah diimplementasikan dalam bentuk sebuah
sistem sehingga output yang dihasilkan sesuai perhitungan.
3.4.5 Pemeliharaan
Tahap terakhir adalah maintenance keseluruhan sistem dari hasil pengujian.
Apabila terdapat proses sistem yang tidak berjalan sesuai fungsinya berdasarkan
pengujian dengan metode black box akan dilakukan pembenahan sehingga bisa
menghasilkan sistem yang berjalan sesuai rencana.
19
BAB IV. ANALISIS DAN PERANCANGAN SISTEM
Pada bab analisis dan perancangan sistem berisi pembahasan analisis dan
perancangan prototype dan sistem website monitoring. Pembahasan ditujukan
untuk menguraikan kebutuhan - kebutuhan dalam pengembangan aplikasi.
Analisis Kebutuhan
Analisa kebutuhan merupakan langkah yang harus dilakukan untuk
merumuskan dan merencanakan komponen - komponen penyusun dari sebuah
sistem, baik kebutuhan perangkat keras maupun perangkat lunak. Langkah analisa
kebutuhan dilakukan dengan proses observasi sesuai bidang penelitian ini sehingga
sesuai dengan kebutuhan yang diperlukan.
Perangkat Lunak
Perangkat lunak yang dibutuhkan dan digunakan dalam penelitian sistem ini
ditunjukkan pada tabel 4.1 :
Tabel 4.1 Spesifikasi kebutuhan perangkat lunak
Perangkat Keras
Perangkat keras yang dibutuhkan dan digunakan dalam penelitian sistem ini
ditunjukkan pada tabel 4.2 :
20
Tabel 4.2 Spesifikasi kebutuhan perangkat keras
1. NodeMCU ESP8266
3. Sensor pH Kit
4. Motor DC
5. Kincir Air
6. Pompa Air
8. Kabel Jumper
9. Relay 5V
21
10. Breadboard
22
Gambar 4.1 DFD Level 0
23
4.2.3 Flowchart Sistem Monitoring
Flowchart merupakan urutan dari sebuah proses yang memiliki hubungan
antar proses satu dengan yang lainnya dalam sebuah program atau sistem. Berikut
merupakan flowchart dari sistem untuk melakukan monitoring kualitas air.
Data kadar pH dan temperatur yang dibaca oleh Sensor DS18B20 dan Sensor
kadar pH akan diproses dalam NodeMCU, kemudian data akan dikirim ke
Thingspeak. dashboard sistem akan melakukan request data dari Thingspeak,
setelah data diterima data akan ditampilkan pada dashboard dan user bisa
melakukan monitoring kualitas air. Flowchart sistem monitoring ditunjukkan pada
gambar 4.3.
24
memantau kondisi kualitas air secara realtime dan melakukan controlling kualitas
air. Flowchart Sistem Automasi ditunjukkan pada gambar 4.4.
Pada flowchart sistem automasi ini dimulai dari input dari data sensor
temperatur dan pH kemudian dilakukan perhitungan menggunakan metode fuzzy
sugeno yang dimana akan dijelaskan dalam flowchart predefined process
(perhitungan metode fuzzy sugeno) dan hasilnya akan dikirim ke thingspeak dan
database lalu data dari hasil perhitungan atau status dari automasi aktuator
ditampilkan dalam website dashboard monitoring. Tahapan-tahapan proses dari
perhitungan menggunakan metode fuzzy sugeno ditunjukkan pada gambar 4.5.
25
Gambar 4.5 Flowchart perhitungan fuzzy sugeno proses fuzzifikasi 1
26
Gambar 4.6 Flowchart perhitungan fuzzy sugeno proses fuzzifikasi 2
27
Proses perhitungan metode fuzzy sugeno terdapat 4 tahap, pertama
menentukan membership function (fungsi keanggotaan) dari nilai sensor yang
diterima dan dihitung dengan representasi kurva yang sesuai dan tiap perhitungan
akan disimpan dalam variabel kondisi.
Kedua, mencari nilai MIN dari dua hasil perhitungan fuzzifikasi. Dari dua
variabel kondisi yang sudah didapatkan sebelumnya, dalam proses fungsi implikasi
ini menghitung nilai MIN dalam setiap kondisi yang di mana data yang didapat akan
disimpan ke dalam variabel “alphaPredikat” masing-masing dari setiap kondisi.
“alphaPredikatDR” untuk kondisi temperatur dingin dan pH rendah,
“alphaPredikatDN” untuk kondisi temperatur dingin dan pH netral,
“alphaPredikatDT” untuk kondisi temperatur dingin dan pH tinggi,
28
“alphaPredikatHR” untuk kondisi temperatur hangat dan pH rendah,
“alphaPredikatHN” untuk kondisi temperatur hangat dan pH netral,
“alphaPredikatHT” untuk kondisi temperatur hangat dan pH tinggi,
“alphaPredikatPR” untuk kondisi temperatur panas dan pH rendah,
“alphaPredikatPN” untuk kondisi temperatur panas dan pH netral dan
“alphaPredikatPT” untuk kondisi temperatur panas pH dan tinggi.
29
Gambar 4.9 Flowchart perhitungan fuzzy sugeno proses defuzzifikasi
Keempat, dalam defuzzifikasi ini dilakukan proses mencari rata-rata terbobot
(weight average), dari nilai max yang sudah didapatkan akan dihitung dengan nilai
dari output yang terdiri dari “nilai0”, “nilai1” dan “nilai2”. Kemudian
perhitungan yang kedua adalah menjumlahkan dari predikat. Kemudian yang
terakhir adalah menghitung bobot rata (weight average) dengan cara
“predikatKonsekuen” dibagi dengan “jumlahPredikat” yang akan
menghasilkan output “bobotRata”.
30
Gambar 4.10 Flowchart perhitungan hasil bobot nilai fuzzy
Proses yang terakhir adalah mencari nilai output aktuator yang cocok dengan
nilai keluaran dari perhitungan fuzzy atau “bobotRata”. Ada tiga kondisi yang
pertama jika nilai “bobotRata” berada pada nilai 0 sampai 1, kincir air dan pompa
31
air akan menyala. Kedua, jika nilai “bobotRata” berada pada nilai > 1 sampai
dengan 2, kincir air menyala dan pompa air mati. Dan yang terakhir jika nilai dari
“bobotRata” berada pada nilai 2 sampai dengan 3 maka kincir air dan pompa air
akan mati.
32
Gambar 4.12 Desain Sistem
33
Gambar 4.14 Desain prototype tampak samping
Karena prototype tidak terlalu luas maka sensor temperatur dan sensor pH
diletakkan bersebelahan. Kedua sensor diletakkan di samping kanan yang
tersambung dengan NodeMCU input sebagai pengirim data.
34
BAB V. IMPLEMENTASI DAN PENGUJIAN
Implementasi
Implementasi bertujuan untuk melakukan realisasi penerapan terhadap
perancangan yang sudah di rencanakan sebelumnya. Pada perangkat keras tahap
implementasi berupa membuat rangkaian komponen-komponen sensor, prototype,
dan modul lainnya yang saling terhubung sehingga dapat berjalan sebagaimana
mestinya sedangkan pada perngkat lunak tahap implementasi berupa pengkodean
website dashboard dan NodeMCU selain itu juga penerapan database dan data dari
thingspeak. Sedangkan pada perangkat lunak tahap implementasi berupa penerapan
serangkaian program dan kode program sehingga dapat menjalankan perangkat
keras yang telah dirangkai dan melakukan proses sesuai perencanaan.
Implementasi Prototype
Implementasi prototype yang digunakan untuk simulasi tambak adalah
aquarium berukuran 40x25x28cm yang terbuat dari kaca akrilik. Model dan bentuk
dibuat semirip mungkin dengan desain yang telah direncanakan sebelumnya.
Implementasi prototype dengan aquarium ditunjukkan pada gambar 5.1 dab 5.2.
35
Peletakan komponen box input (sensor), output dan kontrol aktuator
disesuaikan berdasarkan desain sehingga semua perangkat bisa tersambung dan
berkomunikasi dengan baik.
36
sedangkan sensor pH terhubung dengan pin A0 (analog), pin ground dan pin daya
vin yang bertegangan 5V.
37
Gambar 5.6 Rangkaian pin relay dan motor driver
Implementasi Database
Pada database yang sudah dirancang sebelumnya maka dibuat database
dengan nama ‘skripsi’ dan memiliki dua tabel, tabel ‘monitoring’ dan table ‘user.
Database ini dibuat untuk menyimpan data hasil pembacaan sensor, status actuator
dan waktu dibuat. Pada implementasi ini menggunakan MySQL sebagai database
dan PhpMyAdmin sebagai aplikasi untuk mengelola database MySQL dalam
localserver.
38
Gambar 5.8 Tabel monitoring
Pada Gambar 5.8 adalah struktur tabel ‘monitoring’ yang memiliki field ‘id’
sebagai primary key dengan tipe data int(11) AUTO INCREMENT, field ‘field1’
untuk menyimpan data temperatur bertipe data float, field ‘field2’ untuk
menyimpan data pH bertipe data float, field ‘field3’ untuk menyimpan data status
kincir air bertipe data int(1), field ‘field4’ untuk menyimpan data status pompa air
bertipe data int(1) dan field ‘created_at’ untuk menyimpan data waktu record dibuat
bertipe data timestamp.
Pada table user terdapat 4 field, field id bertipe data int(11) AUTO
INCREMENT, field username, password dan name bertipe data varchar(50).
39
5.1.4.1 Menu Dashboard
40
Pada menu temperatur terdapat live chart dan live status dari thingspeak.
Selain itu juga terdapat tabel yang menampilkan data dari temperatur dan status
kincir air yang terbaru dengan pengurutan data descending.
5.1.4.3 Menu pH
Pada menu pH terdapat live chart dan live status dari thingspeak. Selain itu
juga terdapat tabel yang menampilkan data dari pH dan status pompa air yang
terbaru dengan pengurutan data descending.
5.1.4.4 Menu Laporan
41
Pada menu laporan terdapat tabel yang berisi data temperatur, ph, status kincir
air, status pompa air dan waktu data sensor dibuat. Terdapat fitur untuk export file
dengan beberapa jenis format diantaranya CSV, PDF, JSON dan Print. Terdapat
juga datepicker range untuk filter data yang tampil dan yang di-export sesuai
tanggal yang pilih.
Implementasi Thingspeak
Thingspeak adalah sistem Internet of Things yang bisa menjadi sarana
penyimpan data hasil sensor dan pengolahan data dari microcontroller. Thingspeak
menyediakan API Key untuk membaca data dan mengirim data yang bisa
mengakses channel atau tiap field yang diperlukan.
42
Gambar 5.15 Live widget yang disediakan thingspeak
Fitur live widget dari thingspeak yang digunakan adalah chart dan status
indikator nyala mati dari data aktuator. Indikator menyala hijau jika nilai dari status
aktuator bernilai 1, dan jika bernilai 0 lampu indikator akan berwarna abu-abu
redup.
43
5.1.6.1 Kode Program Pembacaan Sensor
Kode program pada sensor berisi fungsi untuk pembacaan sensor temperatur,
dan pH. Sensor temperatur menggunakan library dari OneWire dan
DallasTemperature dan untuk sensor pH data berupa satuan ADC (Analog to
Digital Converter).
Tabel 5.1 Kode program pembacaan sensor
//sensors things
sensortemp.requestTemperatures();
float temperature = sensortemp.getTempCByIndex(0);
//ph calculation start
for (int i = 0; i < 10; i++) {
buf[i] = analogRead(analogInPin);
delay(30);
}
for (int i = 0; i < 9; i++) {
for (int j = i + 1; j < 10; j++) {
if (buf[i] > buf[j]) {
temp = buf[i];
buf[i] = buf[j];
buf[j] = temp;
}
}
}
avgValue = 0;
for (int i = 2; i < 8; i++)
avgValue += buf[i];
float pHVol = (float) avgValue * 5.0 / 1024 / 6;
float phValue = -5.70 * pHVol + calibration; //final value of pH
//ph calculation end
//sensor end.
44
5.1.6.2 Kode Program Perhitungan Metode Fuzzy
Kode program perhitungan metode fuzzy sugeno berisi fungsi untuk
pemrosesan atau perhitungan data menggunakan metode fuzzy sugeno untuk
kontrol logika aktuator.
Tabel 5.2 Kode program perhitungan metode fuzzy sugeno
float nilai0 = 0;
float nilai1 = 1;
float nilai2 = 2;
45
} else if (phValue <= 5) {
rendahPh = 1;
}
//b. Netral pH
float netralPh;
if (phValue <= 6 || phValue >= 8) {
netralPh = 0;
} else if (phValue >= 6 && phValue <= 7) {
netralPh = (phValue - 6) / (7 - 6);
} else if (phValue >= 7 && phValue <= 8) {
netralPh = (8 - phValue) / (8 - 7);
}
//c. Tinggi pH
float tinggiPh;
if (phValue >= 9) {
tinggiPh = 1;
} else if (phValue >= 8 && phValue <= 9) {
tinggiPh = (phValue - 8) / (9 - 8);
} else if (phValue <= 8) {
tinggiPh = 0;
}
//3. Implikasi Rule Base
float alphaPredikatDR = min (dinginTemperature, rendahPh);
float alphaPredikatDN = min (dinginTemperature, netralPh);
float alphaPredikatDT = min (dinginTemperature, tinggiPh);
float alphaPredikatHR = min (hangatTemperature, rendahPh);
float alphaPredikatHN = min (hangatTemperature, netralPh);
float alphaPredikatHT = min (hangatTemperature, tinggiPh);
float alphaPredikatPR = min (panasTemperature, rendahPh);
float alphaPredikatPN = min (panasTemperature, netralPh);
float alphaPredikatPT = min (panasTemperature, tinggiPh);
46
//7. Deffuzifikasi
float bobotRata = predikatKonsekuen / jumlahPredikat;
if (bobotRata < 1) {
Serial.println("- Kincir Air Menyala AND Pompa Air Menyala")
;
} else if (bobotRata >= 1 && bobotRata < 2) {
Serial.println("- Kincir Air Menyala AND Pompa Air Mati");
} else if (bobotRata >= 2 && bobotRata < 3) {
Serial.println("- Kincir Air Mati AND Pompa Air Mati");
}
5.1.6.3 Kode Program Send to Thingspeak
Kode program perhitungan send to thingspeak berisi fungsi untuk pengiriman
data ke thingspeak. Pengiriman data ke thingspeak membutuhkan channel number
dan API KEY number agar data bisa terkirim ke channel yang dituju. Terdapat 4
setfield untuk tiap field yang akan dikirim. Field 1 untuk sensor temperature, field
2 untuk sensor pH, field 3 untuk status kincir dan field 4 untuk status pompa.
Tabel 5.3 Kode program send to thingspeak
//thingspeak
//-----------------------------------------------------------//
Serial.println("//Send status to thingspeak");
//set the fields with the values
ThingSpeak.setField(1, temperature);
ThingSpeak.setField(2, phValue);
ThingSpeak.setField(3, field3);
ThingSpeak.setField(4, field4);
//write to the thingspeak channel
int x = ThingSpeak.writeFields(myChannelNumber, myWriteAPIKey);
if (x == 200) {
Serial.println("- Channel update success.");
}
else {
Serial.println("- Problem updating channel. HTTP error code " +
St
ring(x));
}
Serial.println("------------------------------------");
//-----------------------------------------------------------//
}
47
5.1.6.4 Kode Program Model
Kode program pada file Login_model berfungsi untuk pengambilan data
login username dan password dari database.
Tabel 5.4 Kode program file Login_model.php
Login_model.php
<?php
defined('BASEPATH') OR exit('No direct script access allowed');
Data_model.php
<?php
defined('BASEPATH') OR exit('No direct script access allowed');
48
class Data_model extends CI_Model {
//chart
public function chart_one()
{
$this->db->select('*');
$this->db->from($this->dbtable);
$this->db->order_by('id', 'DESC');
$this->db->limit(20); //limit data
$query = $this->db->get();
return $query->result_array();
}
//status aktuator
public function stat_one()
{
$this->db->select('*');
49
$this->db->from($this->dbtable);
$this->db->order_by('id', 'DESC');
$this->db->limit(10); //limit data
$query = $this->db->get();
return $query->result_array();
}
//riwayat aktuator
public function history_output()
{
$this->db->select('*');
$this->db->select_max("created_at");
$this->db->from($this->dbtable);
$this->db->order_by('created_at', 'ASC');
$this->db->limit(5); //limit data
$this->db->group_by(array("field3", "field4"));
$query = $this->db->get();
return $query->result_array();
}
}
?>
5.1.6.5 Kode Program Controller
Kode program pada file Login.php merupakan fungsi untuk autentikasi user
login yang mengambil data username dan password dari model login. Terdapat juga
limitasi yang berfungsi untuk ketika user belum login, user tidak bisa masuk ke
website monitoring.
Tabel 5.6 Kode program file Login.php
Login.php
<?php
defined('BASEPATH') OR exit('No direct script access allowed');
function __construct(){
parent::__construct();
$this->load->library('form_validation');
}
50
} else {
$data = [
'title' => "Dashboard",
'data' => array(),
];
$this->form_validation-
>set_rules('username',"Username","trim|required");
$this->form_validation-
>set_rules('password',"Password","trim|required|callback_authent
ication");
if($this->form_validation->run() == false){
$this->load->view('pages/login_view',$data);
}else{
$is_login = $this->session-
>userdata('is_login');
if($is_login == true){
redirect('Dashboard');
}else{
redirect('Login/logout');
}
}
}
}
51
public function logout()
{
$this->session->unset_userdata('is_login');
$this->session->sess_destroy();
redirect('Login');
}
}
Dashboard.php
<?php
defined('BASEPATH') OR exit('No direct script access allowed');
function __construct(){
parent::__construct();
$this->load->model('Data_model');
must_login();
}
$data['charty'] = $this->Data_model->chart_one();
$data['lasts'] = $this->Data_model->last_one();
$data['stats'] = $this->Data_model->stat_one();
$data['history'] = $this->Data_model->history_output();
$this->load->view('layouts/frame_view',$data);
}
52
}
?>
Sensor.php
<?php
defined('BASEPATH') OR exit('No direct script access allowed');
function __construct(){
parent::__construct();
$this->load->model('Data_model');
must_login();
}
//temperature section
public function temperature()
{
$data=[
'title'=>"Temperature Sensor",
'ctrlname' => $this->ctrlname,
'header' => "layouts/header_view",
'mainmenu' => "layouts/main-menu_view",
'content' => "pages/temperature_view",
'data' => array()
];
$this->load->view('layouts/frame_view',$data);
}
$data = [];
53
$no=1;
foreach($query->result() as $r) {
$data[] = array(
$no++,
$r->field1,
$r->field3 == 1 ? "Menyala" : "Mati",
$r->created_at
);
}
$result = array(
"recordsTotal" => $query->num_rows(),
"recordsFiltered" => $query->num_rows(),
"data" => $data
);
echo json_encode($result);
exit();
}
//ph section
public function ph()
{
$data=[
'title'=>"pH Sensor",
'ctrlname' => $this->ctrlname,
'header' => "layouts/header_view",
'mainmenu' => "layouts/main-menu_view",
'content' => "pages/ph_view",
'data' => array()
];
$this->load->view('layouts/frame_view',$data);
}
$data = [];
$no=1;
foreach($query->result() as $r) {
$data[] = array(
$no++,
$r->field2,
54
$r->field4 == 1 ? "Menyala" : "Mati",
$r->created_at
);
}
$result = array(
"recordsTotal" => $query->num_rows(),
"recordsFiltered" => $query->num_rows(),
"data" => $data
);
echo json_encode($result);
exit();
}
}
?>
Report.php
<?php
defined('BASEPATH') OR exit('No direct script access allowed');
function __construct(){
parent::__construct();
$this->load->model('Data_model');
must_login();
}
55
'data' => array()
];
$this->load->view('layouts/frame_view',$data);
}
$data = [];
$no=1;
foreach($query->result() as $r) {
$data[] = array(
$no++,
$r->field1,
$r->field2,
$r->field3 == 1 ? "Menyala" : "Mati",
$r->field4 == 1 ? "Menyala" : "Mati",
$r->created_at
);
}
$result = array(
"recordsTotal" => $query->num_rows(),
"recordsFiltered" => $query->num_rows(),
"data" => $data
);
echo json_encode($result);
exit();
}
}
?>
5.1.6.6 Kode Program Insert Database
Kode program file insertdb.php berfungsi untuk memasukkan data ke dalam
database. File ini dijalankan oleh NodeMCU kedua untuk store data dari sensor
dan status dari aktuator setiap satu menit ke dalam database.
Tabel 5.10 Kode program file insertdb.php
insertdb.php
<?php
defined('BASEPATH') OR exit('No direct script access allowed');
56
class Dashboard extends CI_Controller {
function __construct(){
parent::__construct();
$this->load->model('Data_model');
must_login();
}
$data['charty'] = $this->Data_model->chart_one();
$data['lasts'] = $this->Data_model->last_one();
$data['stats'] = $this->Data_model->stat_one();
$data['history'] = $this->Data_model->history_output();
$this->load->view('layouts/frame_view',$data);
}
}
?>
1. Proses Fuzzifikasi
Proses ini bertujuan untuk melakukan pengelompokan nilai Crisp kedalam sebuah
derajat keanggotaan pada himpunan Fuzzy. Berikut adalah pengelompokan
himpunan fuzzy dari variabel temperatur dan pH.
a. Himpunan keanggotaan temperatur
57
Himpunan keanggotaan temperatur memiliki tiga himpunan yang dapat dilihat pada
tabel berikut.
Tabel 5.11 Himpunan keanggotaan temperatur
58
b. Himpunan keanggotaan pH
Himpunan keanggotaan pH memiliki tiga himpunan yang dapat dilihat pada tabel
5.12.
Tabel 5.12 Himpunan keanggotaan pH
0, 𝑥 ≤8
𝑥–8
µTinggi ={ 8 ≤𝑥≤9
9–8
1 𝑥 ≥9
Maka diperoleh hasil sebagai Fuzzifikasi pH berikut :
µRendah [6.9] = 0
µNetral [6.9] = 0.10
µTinggi [6.9] = 0
59
2. Proses Fungsi Implikasi Inferensi
Berdasarkan hasil variabel linguistik dalam penentuan himpunan Fuzzy, maka
diperoleh aturan implikasi sebagai berikut.
Tabel 5.13 Fungsi implikasi inferensi
60
Kincir Air mati AND Pompa Air Mati 2
Representasi dari variabel kondisi implikasi Fuzzy dapat dilihat pada gambar
berikut.
61
α – predikat4 = µTemperatur Hangat ∩ µpH Rendah
= MIN (0.87; 0)
=0
[R5] IF Temperatur Hangat AND pH Netral THEN Status 3
α – predikat5 = µTemperatur Hangat ∩ µpH Netral
= MIN (0.87; 0.1)
= 0.1
[R6] IF Temperatur Hangat AND pH Tinggi THEN Status 1
α – predikat6 = µTemperatur Hangat ∩ µpH Tinggi
= MIN (0.87; 0)
=0
[R7] IF Temperatur Panas AND pH Rendah THEN Status 1
α – predikat7 = µTemperatur Panas ∩ µpH Rendah
= MIN (0; 0)
=0
[R8] IF Temperatur Panas AND pH Netral THEN Status 2
α – predikat8 = µTemperatur Panas ∩ µpH Netral
= MIN (0; 0.1)
=0
[R9] IF Temperatur Panas AND pH Tinggi THEN Status 1
α – predikat9 = µTemperatur Panas ∩ µpH Tinggi
= MIN (0; 0)
=0
Berdasarkan 9α – predikat yang sudah dibuat diatas, hanya ada 1 α – predikat yang
memiliki nilai bukan nol, yaitu : [R5].
3. Komposisi Aturan
Untuk memberikan kesimpulan secara keseluruhan dengan mengambil nilai
keanggotaan menggunakan fungsi maksimum (MAX) dari tiap konsekuensi fungsi
implikasi dan menggabungkan dari semua kesimpulan aturan sehingga
menghasilkan nilai solusi.
Usf [Xi] = MAX (Usf [Xi], Ukf [Xi])
Keterangan :
62
Usf [Xi] : nilai keanggotaan dari solusi fuzzy sampai urutan ke –i.
Ukf [Xi] : nilai keanggotaan dari solusi fuzzy sampai urutan ke –i.
4. Defuzzifikasi
Dalam melakukan penegasan untuk menghasilkan nilai tegas, digunakan rumus
dengan cara mencari rata - rata terbobot (Weight Average) sebagai berikut :
𝑎1 𝑧 1 + 𝑎2 𝑧 2 + 𝑎3 𝑧 3 + … 𝑎𝑖 𝑧 𝑖
𝑊𝐴 =
𝑎1 + 𝑎2 + 𝑎3 + … 𝑖
Keterangan :
ai : adalah α – predikat ke – i.
zi : adalah konsekuensi ke – i.
(0 𝑥 0) + (0 𝑥 1) + (0.1 𝑥 2) 0.2
𝑊𝐴 = = = 2.0
0 + 0 + 0.1 0.1
63
Pengujian
Pada tahap pengujian bertujuan untuk mengetahui sistem sudah berjalan
sesuai yang direncanakan atau masih belum tercapai. Pada pengujian terdapat dua
tahap yaitu pengujian yang meliputi fungsi hardware dan software serta pengujian
metode Fuzzy Sugeno. Pengujian sistem ini bertujuan mengetahui fungsi - fungsi
utama dari hardware dan software, hal ini dilakukan dengan mencoba segala
kemungkinan yang terjadi sehingga bisa mengetahui fungsi yang perlu diperbaiki
dan dievaluasi.
Sedangkan pengujian metode Fuzzy Sugeno bertujuan untuk mengetahui hasil
perhitungan yang dilakukan secara manual ataupun perhitungan sistem sesuai
dengan landasan teori metode Fuzzy Sugeno, kesesuaian hasil perhitungan sistem
dan perhitungan manual sangat diperlukan sebagai tolok ukur berhasilnya
implementasi metode Fuzzy Sugeno kedalam sistem.
64
Gambar 1
Pengujian Sensor pH
Pengujian fungsional sensor pH dilakukan agar perangkat dapat membaca
kandungan atau kadar keasamaan cairan. Skenario pengujian sensor pH adalah
sebagai berikut :
Tabel 5.16 Pengujian sensor pH
65
Gambar 1
66
Gambar 1
Gambar 2
67
Gambar 1
Gambar 2
68
Gambar 1
Gambar 2
Pengujian Aktuator
Pengujian ini dilakukan bertujuan untuk mengetahui apakah rangkaian dari
sistem dari mulai sensor sampai aktuator yang ada mampu berjalan sesuai yang
diharapkan. Rangkaian sangat berfungsi penting karena setiap data yang masuk ke
database ataupun data yang dibaca dari database akan diolah pada rangkaian.
Pengujian aktuator ini meliputi 2 output yang ada seperti kincir air dan pompa air.
Tabel 5.20 Pengujian aktuator
69
Gambar 1
(Motor Driver)
Gambar 2
(Relay)
Gambar 3
(Outoput Aktuator)
70
Pengujian Fungsional
Pengujian fungsional bertujuan untuk mengetahui sistem berjalan sesuai
dengan tahap yang sudah direncanakan atau belum. Pengujian dilakukan
menggunakan metode Black Box untuk mengetahui hasil dari pengujian sistem.
Hasil pengujian fungsional dapat dilihat pada tabel berikut :
Tabel 5.21 Pengujian fungsional
Hasil Pengujian
No. Pengujian Fungsional Tidak
Sesuai
Sesuai
1. Menampilkan data sensor temperatur dan pH
Menampilkan data sensor temperatur dan pH pada
2.
website monitoring secara realtime
Menampilkan kondisi status aktuator pada website
3.
monitoring secara realtime
4. Melakukan insert data ke dalam database
5. Melakukan implementasi thingspeak
6. Menyalakan aktuator sesuai kondisi (automasi)
7. Melakukan hosting website agar bisa diakses jarak jauh
Pengujian fungsional dilakukan dengan mencoba satu persatu fitur dan fungsi
dari sistem yang telah selesai dibuat. Adapun pengujian yang telah dilakukan
addalah menampilkan data sensor, menampilkan data sensor pada website
monitoring secara realtime, menampilakan status dari aktuator pada website
monitoring, melakukan insert data ke dalam database, melakukan implementasi
thingspeak, menyalakan aktuator sesuai dengan kondisi yang ditentukan dan
melakukan hosting website agar bisa diakses jarak jauh menggunakan internet.
71
BAB VI. HASIL DAN PEMBAHASAN
Hasil
Pada bagian hasil bertujuan untuk memaparkan hasil dari pengujian sistem
yang telah dilakukan yaitu meliputi hasil pengujian hardware maupun software
serta hasil pengujian terhadap metode fuzzy sugeno yang sudah diterapkan pada
sistem.
72
14. 44.30 44.50 0.45
15. 51.20 51.50 0.58
Rata – rata 3
𝑋𝑡 − 𝐹𝑡
( | × 100%)
𝑀𝐴𝑃𝐸 = 𝑋𝑡
𝑛
Keterangan :
MAPE : Rata – rata persentase kesalahan atau error.
Xt : Data aktual pada periode t
Ft : Data forcasting pada periode t
n : Jumlah data
Rumus MAPE diperoleh nilai rata – rata error antara pengukuran akuisisi
sensor temperatur DHT22 dan termometer digital adalah 3% dari 15 kali pengujian.
Hasil dari pengukuran termometer digital menunjukkan selisih data temperatur
lebih besar dibandingkan hasil pengukuran sensor DS18B20.
73
Hasil Pengujian Input Data
Pada pengujian sistem berhasil melakukan input data sensor dari NodeMCU
kedua ke dalam database. Hal ini menjadi fungsi dasar yang harus berjalan sesuai
rencana karena data sensor dari NodeMCU menjadi sumber utama pada website
yang digunakan untuk monitoring. Beberapa tahap input data sensor kedalam
database adalah pembacaan data sensor oleh DS18B20 dansensor pH. Kemudian
diolah NodeMCU dengan menggunakan metode Fuzzy Sugeno untuk menentukan
output yang sesuai untuk kondisi tersebut.
Kemudian hasil yang telah diolah lalu dikirim ke database.
74
Gambar 6.2 Website diakses melalui internet
Akses pada website dapat dibuka dengan alamat website http://simco.rf.gd/
dan harus terkoneksi dengan internet. Berikut merupakan gambar dan tabel
perbandingan data temperatur dan pH yang dibaca oleh sensor dengan data
temperatur dan pH yang ditampilkan pada website monitoring.
75
Tabel 6. 1 Perbandingan NodeMCU dan website monitoring
No.
Ya Tidak
Deffuzifikasi Output
Temperatur
Pompa Air
Kincir Air
pH
No. Kondisi
Manual
Sistem
76
2. 24.95 6.34 1 1 Dingin AND Netral
3. 25.30 8.45 0 0 Dingin AND Tinggi
4. 29.86 5.10 0 0 Hangat AND Rendah
5. 30.13 7.41 2 2 Hangat AND Netral
6. 30.24 9.13 0 0 Hangat AND Tinggi
7. 32.05 5.63 0 0 Panas AND Rendah
8. 33.35 7.54 1 1 Panas AND Netral
9. 32.27 8.90 0 0 Panas AND Tinggi
77
bernilai dingin dan netral, kincir air menyala dan pompa air mati. Berikut
merupakan gambar rangkaian ketika status dengan kondisi dingin dan netral :
78
Gambar 6.6 Kondisi hangat dan rendah
79
Gambar 6.8 Kondisi hangat dan tinggi
80
Gambar 6.10 Kondisi panas dan netral
81
2. Menampilkan data sensor temperatur dan pH pada website monitoring secara
realtime
82
5. Melakukan implementasi thingspeak
Pembahasan
Pada bagian pembahasan bertujuan memaparkan hasil pengujian lebih rinci.
Pembahasan ini yaitu meliputi pembahasan pengujian hardware dan software serta
hasil pengujian terhadap metode fuzzy sugeno.
83
Pembahasan Hasil Pengujian Sensor Temperatur
Sensor temperatur DS18B20 digunakan untuk memonitoring temperatur air
dari prototype aquarium telah berfungsi dengan baik, terbukti dari hasil pengujian
pada sensor temperatur DS18B20 didapatkan tinggkat rata-rata eror sebesar 0,99oC
yang berarti tingkat akurasi pengukuran sensor ketika dibandingkan dengan
termometer digital sensor temperatur DS18B20 memiliki akurasi yang baik.
Hasil pengujian ditampilkan pada grafik berikut untuk memudahkan analisa.
50
40
30
20
10
0
Kondisi Suhu Dingin Kondisi Suhu Hangat Kondisi Suhu Panas
84
karena pembacaan dari sensor pH mengambil nilai analog dari 6 nilai terkecil yang
terbaca. Grafik perbandingan hasil pengukuran berasarkan bubuk kalibrasi dan
sensor disajikan dalam diagram batang sebagai berikut :
PENGUJIAN SENSOR pH
85
Gambar 6.20 Data masuk dalam database
Data perintah dari setiap output yang dibaca oleh NodeMCU merupakan nilai
(0 atau 1) yang diterjemahkan 0 sebagai kondisi status mati dan 1 sebagai kondisi
status menyala agar lebih mudah untuk pembacaan dalam website monitoring.
Jumlah Pengujian 10
Nilai Data Sesuai 10
Nilai Deffuzifikasi Tidak Sesuai 0
Tingkat Akurasi Perhitungan 100 %
86
Pembahasan Hasil Pengujian Metode Fuzzy Sugeno
Pengujian yang dilakukan dengan simulasi beberapa kondisi dengan
mengubah nilai variabel yang ada pada NodeMCU. Berdasarkan dari 9 kali
pengujian menghasilkan nilai respon sistem yang sesuai dengan kondisi pada
metode Fuzzy Sugeno. Nilai proses deffuzifikasi dari perhitungan metode Fuzzy
Sugeno secara manual maupun perhitungan sistem menghasilkan nilai yang sama
tanpa selisih. Hasil dari pengujian nilai akurasi metode Fuzzy Sugeno adalah
sebagai berikut :
Tabel 6.7 Nilai akurasi perhitungan metode fuzzy sugeno
Jumlah Pengujian 9
Nilai Deffuzifikasi Sesuai 9
Nilai Deffuzifikasi Tidak Sesuai 0
Tingkat Akurasi Perhitungan 100 %
Perhitungan dari deffuzifikasi menghasilkan beberapa nilai output yang sama
namun memiliki kondisi temperatur dan pH yang berbeda karena nilai kondisi
tersebut masih dalam rentang nilai himpunan yang telah ditentukan.
Tabel perbandingan hasil defuzzifikasi manual dan sistem adalah sebagai
berikut :
Tabel 6.8 Perbandingan nilai hasil deffuzifikasi
Defuzzifikasi
No. Kondisi
Manual Sistem
1. Dingin AND Rendah 0 0
2. Dingin AND Netral 1 1
3. Dingin AND Tinggi 0 0
4. Hangat AND Rendah 0 0
5. Hangat AND Netral 2 2
6. Hangat AND Tinggi 0 0
7. Panas AND Rendah 0 0
8. Panas AND netral 1 1
9. Panas AND Tinggi 0 0
Berdasarkan hasil pengujian terhadap respon sistem metode Fuzzy Sugeno
diatas menunjukkan nilai dari berbagai kondisi yang timbul r entang nilai pada
variabel Kincir Air Menyala AND Pompa Air Menyala dimulai dari nilai
deffuzifikasi 0 sampai ≤ 1, variabel Kincir Air Menyala AND Pompa Air Mati dari
nilai defuzzifikasi > 1 sampai ≤ 2, variabel Kincir Air Mati AND Pompa Air mati
dari nilai defuzzifikasi > 2 sampai ≤ 3.
87
Pembahasan Hasil Pengujian Aktuator
Hasil pengujian aktuator menunjukkan bahwa rangkaian mampu
berkomunikasi dengan baik tanpa adanya korsleting dan sudah sesuai dengan rules
yang berlaku. Hal ini telah dibuktikan dengan pengujian setiap kondisi yang sudah
diimplementasikan pada sistem. Kondisi tersebut meliputi kondisi kincir air dan
pompa air menyala, kincir air dan pompa air mati dan kincir air mati dan pompa air
mati. Selain itu status yang ada pada rangkaian juga berhasil ditampilkan pada
website monitoring sesuai dengan kondisi yang terjadi. Hasil pengujian respon
sistem disajikan dalam tabel berikut :
Tabel 6.9 Perbandingan output kondisi
Berdasarkan tabel diatas bisa disimpulkan bahwa setiap output dari sistem
sudah sesuai dengan output yang diharapkan.
88
Fungsi dasar lainnya yang juga sudah terpenuhi adalah menyalakan atau
mematikan aktuator secara otomatis sesuai dengan kondisi yang ada dalam
prototype aquarium. Kemudian implementasi untuk storing data ke thingspeak
sudah berhasil dilakukan dan live chart sudah bisa ditampilkan dalam website
monitoring. Selain itu dilakukannya hosting website sehingga bisa memantau
kondisi kualitas air pada prototype aquarium.
89
BAB VII. KESIMPULAN DAN SARAN
Kesimpulan
Dari keseluruhan hasil penelitian yang telah dilakukan, maka dapat ditarik
beberapa kesimpulan sebagai berikut:
1. Rancang bangun sistem monitoring dan controlling temperatur dan kadar pH
berhasil dilakukan.
a. Sistem menggunakan prototype berskala aquarium yang digunakan sebagai
objek monitoring temperatur dan kadar pH.
b. Sistem melakukan input data temperatur, pH, dan hasil dari perhitungan
metode fuzzy sugeno ke dalam database dan mengirim ke thingspeak setiap
satu menit.
2. Konsep Internet of Things (IoT) berhasil diterapkan untuk melakukan
monitoring dan controlling berdasarkan temperatur dan pH.
a. Sistem dapat diakses menggunakan website secara realtime dengan koneksi
internet.
b. Sistem dapat menerima hasil dari respon atau output dari kondisi yang
terjadi.
3. Metode Fuzzy Sugeno berhasil diterapkan pada sistem controlling (automasi)
untuk mengatur temperatur dan kadar pH pada prototype.
a. Sistem dapat melakukan pendeteksian terhadap beberapa kondisi yang
sudah ditentukan sesuai dengan rules fuzzy.
b. Sistem dapat memberikan respon sesuai dengan kondisi yang terjadi.
c. Berdasarkan hasil perhitungan metode fuzzy sugeno dengan cara manual
ataupun menggunakan sistem menunjukkan hasil yang sama sehingga
menjadi tolok ukur berhasilnya implementasi metode fuzzy sugeno.
d. Hasil pengujian respon sistem dari 9 kali percobaan dengan nilai data sensor
yang berbeda menunjukkan hasil 100% sesuai dengan kondisi pada metode
fuzzy sugeno serta tanpa adanya output yang tidak sesuai.
90
Saran
Saran yang dapat diberikan untuk melakukan penelitian dan pengembangan
selanjutnya untuk sistem ini antara lain yaitu:
1. Diharapkan ada penambahan parameter kualitas air lain untuk dipakai sebagai
variabel input selain temperatur dan pH, misalnya penambahan variabel
salinitias dan oksigen terlarut (DO).
2. Diharapkan ada penambahan modul untuk simcard digunakan untuk backup
apabila koneksi internet mati.
3. Dalam penerapan rangkaian, untuk instalasi yang dilakukan harus benar-benar
cermat agar tidak terjadi short circuit (korsleting), karena resikonya dapat
membuat hardware terbakar dan tidak bisa dipakai lagi.
91
DAFTAR PUSTAKA
Andi Sahrijanna, & Sahabuddin. (2014). KAJIAN KUALITAS AIR PADA BUDIDAYA
UDANG VANAME (Litopenaeus vannamei) DENGAN SISTEM PERGILIRAN
PAKAN DI TAMBAK INTENSIF. Prosiding Forum Inovasi Teknologi Akuakultur.
Andrian Kristanto, Iwan Setiawan, & Sumardi. (2013). PENGENDALIAN pH AIR DENGAN
METODE PID PADA MODEL TAMBAK UDANG. Transmisi.
doi:https://doi.org/10.12777/transmisi.14.4.119-126
Ari Fiyanti. (2017). Sistem Otomasi Kincir Air untuk Respirasi Udang Tambak Menggunkan
Sensor Dissolved Oxygen (DO). Universitas Lampung.
Arief Prasetyo, Usman Nurhasan, & Gilang Lazuardi. (2018). Implementasi IoT pada Sistem
Monitoring dan Pengendali Sirkulasi Air Tanaman Hidroponik . Jurnal Informatika
Polinema .
BPS Provinsi Jawa Timur. (2018). Produksi Perikanan Budidaya Tambak Menurut
Kabupaten/Kota di Jawa Timur. Retrieved November 27, 2019, from
https://jatim.bps.go.id/statictable/2018/11/14/1411/produksi-perikanan-budidaya-
tambak-menurut-kabupaten-kota-di-jawa-timur-ton-2010-2017.html
Chwalisz, M. (2016). Thingspeak Documentation.
M. Faiz Fuady. (2013). Pengaruh Pengelolaan Kualitas Air Terhadap Tingkat Kelulushidupan
Dan Laju Pertumbuhan Udang Vaname (Litopenaeus vannamei) DI PT. INDOKOR
BANGUN DESA. Diponegoro Journal of Maquares.
Marwa Mudrikatussalamah, & Candra Dewi. (2018). Optimasi Fungsi Keanggotaan Fuzzy
Menggunakan Algoritma Genetika. Jurnal Pengembangan Teknologi Informasi dan
Ilmu Komputer.
Muchammad Cholilulloh. (2018). Implementasi Metode Fuzzy Pada Kualitas.
Oris Krianto Sulaiman, & Adi Widarma. (2017). Sistem Internet Of things (IoT) Berbasis Cloud
Computing Dalam Campus Area Network. INA-Rxiv.
Peni Kurniawati. (2018). Pengujian Sistem - SkyshiDigital - Medium. Retrieved from Medium:
https://medium.com/skyshidigital/pengujian-sistem-52940ee98c77
Qirom, Bahrun Niam, & Much Sobri Sungkar. (2019). SISTEM MONITORING PENGAIRAN
OTOMATIS DENGAN METODE. Jurnal Infoteknikmesin, 10.
Suyanto. (2014). Artificial Intelligence. Informatika: Bandung.
92
BIODATA PENULIS
DATA PRIBADI
Nama Lengkap : Muh. Marsudiarto
Nomor Induk : 1641720166
Tempat / Tanggal Lahir : Sidoarjo, 08 Maret 1998
Jenis Kelamin : Laki-Laki
Agama : Islam
Alamat : Desa Kedungpeluk RT02/04, Kec. Candi, Kab. Sidoarjo
Nomor Telepon : 085655544578
Email : marsudiar98@gmail.com
RIWAYAT PENDIDIKAN
2004 - 2010 : MI Islamiyah Kedungpeluk
2010 - 2013 : SMP Negeri 2 Candi
2013 - 2016 : SMK Negeri 2 Buduran
2016 - 2020 : Politeknik Negeri Malang
93