Kahfi Del Vieri-Fst

IMPLEMENTASI FUZZY INFERENCE SYSTEM PADA
SISTEM PENYIRAM TANAMAN OTOMATIS MESIN

PARALEL
Skripsi
Oleh :
Kahfi Del Vieri
NIM: 11180910000037
PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1442 H/2021 M
PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI
Sebagai civitas akademik UIN Syarif Hidayatullah Jakrata, saya yang bertanda
tangan dibawah ini:
Nama : Kahfi Del Vieri

NIM : 11180910000037
Program Studi : Teknik Informatika
Fakultas : Sains dan Teknologi
Jenis Karya : Skripsi
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan
kepada Universitas Islam negeri Syarif Hidayatullah Jakara Hak Bebasa Royalti
Nonekslusif (Non-exclusive Royalty Free Right) atas karya ilmiah saya yang
berjudul:
IMPLEMENTASI FUZZY INFERENCE SYSTEM PADA SISTEM
PENYIRAM TANAMAN OTOMATIS MESIN PARALEL
Beserta perangkat yang ada (Jika deperlukan). Dengan Hak Bebas Royalti
Noneksklusif ini Universitas Islam Negeri Syarif Hidayatullah Jakrata berhak
menimpan, mengalih media/formatkan, mengelola dalam bentuk pangkalan data
(database), merawat dan mempublikasikan tugas akhir saya selama tetap
mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik hak.
Demikin pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Jakarta
Pada tanggal : 16 Desember 2021
Yang menyatakan
(Kahfi Del Vieri)
v
Penulis : Kahfi Del Vieri (11180910000037)
Program Studi : Teknik Informatika
Judul : IMPLEMENTASI FUZZY INFERENCE SYSTEM
PADA SISTEM PENYIRAM TANAMAN OTOMATIS
MESIN PARALEL
ABSTRAK
Musim pancaroba dan cuaca ekstrim sering menjadi kendala utama bagi petani yang
menanam tanamannya. Curah hujan dan panas matahari yang tidak menentu
membuat beberapa petani menjadi gagal panen. Petani kopi di Kepahiang Bengkulu
dan Manggarai Nusa Tenggara Timur gagal panen dan hanya dapat memanen 20%
dari tanaman kopinya akibat dari cuaca yang tidak menentu tersebut. Berdasarkan
literatur yang ada, fuzzy logic dapat memberikan keputusan yang mirip seperti
manusia. Oleh karena itu dalam penelitian ini akan dibuat sebuah sistem penyiram
tanaman otomatis menggunakan fuzzy inference system metode sugeno berbasis
raspberry pi 3 model b+. Dikarenakan cara fuzzy logic mengambil keputusan
seperti manusia, hal ini dapat diimplementasikan kedalam sistem penyiram
tanaman. Ketika tanah sedang kering, cuaca tidak hujan, dan suhu bernilai suhu
ruangan maka penyiraman akan dilakukan. Dan ketika sedang terjadi hujan atau
tanah tersebut lembab, maka penyiraman tidak dilakukan. Mesin paralel di sistem
dapat melakukan dua buah penyiraman secara paralel dikarenakan sistem ini
menggunakan dua buah sensor kelembapan tanah dan dua buah valve yang
memiliki arus air yang berbeda. Berdasarkan hasil penelitian yang diuji
menggunakan black box testing, menunjukkan bahwa fuzzy logic yang dibuat
didalam mesin 100% sesuai dengan fuzzy logic metode sugeno dan penyiraman
yang dilakukan oleh mesin tersebut dapat menyiram total 72 polybag tanaman yang
berada pada 2 buah jalur.
Kata Kunci : penyiram tanaman otomatis, mesin paralel, fuzzy logic,

fuzzy inference system, metode sugeno, black box testing,
raspberry pi 3 model b+
Jumlah Halaman : xv halaman + 79 halaman
vi
ABSTRACT
Transient periods and extreme weather are often the main obstacles for farmers to
grow their crops. Due to irregular rainfall and the heat of the sun, some farmers
failed to harvest. Coffee growers at Kepahiang Bengkulu and Manggarai East Nusa
Tenggara failed to harvest and could only harvest 20% of the coffee plants due to
uncertain weather. Based on the available literature, fuzzy logic can make human-
like decisions. Therefore, in this study, an automated plant irrigation system is
created using a fuzzy inference system using the Sugeno method on a Raspberry Pi
3 model b+. This can be implemented in irrigation systems because fuzzy logic
makes decisions like humans. When the soil is dry, it does not rain, the temperature
is room temperature, and watering is done. And if it rains or the soil is moist, the
plants will not be watered. This parallel machine uses two soil moisture sensors
and two valves with different water flows, allowing two irrigations to be performed
in parallel. Based on the results of the tests tested in the black box testing, it was
found that the fuzzy logic in the machine is 100% identical to the Sugeno method
of fuzzy logic, and the total watering performed by the machine is 72 polybags of
plants.
Keywords : automatic watering system, parallel machime, fuzzy logic,

fuzzy inference system, sugeno method, black box testing,
raspberry pi 3 model b+
Number of Pages : xv pages + 79 pages
vii
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.

Puji syukur senantiasa dipanjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat, hidayat serta nikmat-Nya sehingga penyusunan skripsi ini
dapat diselesaikan. Sholawat dan salam senantiasa dihaturkan kepada junjungan
kita baginda Nabi Muhammad SAW beserta keluarganya, para sahabatnya serta
umatnya hingga akhir zaman. Penulisan skripsi ini mengambil tema dengan judul:
IMPLEMENTASI FUZZY INFERENCE SYSTEM PADA SISTEM
PENYIRAM TANAMAN OTOMATIS MESIN PARALEL
Penyusunan skripsi ini adalah salah satu syarat untuk memperoleh gelar
Sarjana Komputer (S.Kom) pada program studi Teknik Informatika, Fakultas Sains
dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta. Adapun
bahan penulisan skripsi ini adalah berdasarkan hasil penelitian, pengembangan
aplikasi, wawancara, observasi dan beberapa studi literatur.
Dalam penyusunan skripsi ini, telah banyak bimbingan dan batuan yang
didapatkan dari berbagai pihak sehingga skripsi ini dapat berjalan dengan lancar.
Oleh karena itu, penulis ingin mengucapkan banyak terima kasih kepada:
1. Allah subhanahu wa ta'ala yang maha kuasa yang telah memberikan nikmat
dan jalan agar penulis dapat menyelesaikan penulisan skripsi ini.
2. Ibu Luh Kesuma Wardhani, S.T., M.T. selaku Dosen Pembimbing I yang
turut memberikan saran serta arahan mengenai pengerjaan dan dalam
menyelesaikan skripsi ini.
3. Ibu Nenny Anggraini, S.Kom., M.T. selaku Dosen Pembimbing II yang
senantiasa meluangkan waktu dan memberikan bimbingan, bantuan,
semangat dan motivasi dalam menyelesaikan skripsi ini.
4. Ir. Nashrul Hakiem, S.Si., M.T., Ph.D selaku dekan Fakultas Sains dan
Teknologi.
viii
5. Dr. Imam Marzuki Shofi, MT selaku Ketua Program Studi Teknik
Informatika .
6. Orang tua tercinta, Bapak Rochman dan Ibu Roswita yang tidak pernah
telah mendoakan serta memberi dukungan moril dan materil sepanjang
perjalanan hidup penulis.
7. Seluruh dosen dan staff UIN Jakarta, khususnya Fakultas Sains dan
Teknologi Prodi Teknik Informatika yang telah memberikan ilmu serta
pengalaman yang berharga.
8. Kepada Pranata Laboratorium Pendidikan Kebun Percobaan, Bapak Iping
Ruspendi S.P. yang meluangkan waktunya dan membantu penulis dalam
proses implementasi didalam Kebun Agribisnis.
9. Syaifan Fadlan, Muhamad Vicky, dan Aulia Rahman yang telah membantu
penulis dalam pembuatan alat, memberikan saran, dan penyusunan skripsi.
10. Seluruh asisten sistem benam yang membantu meringankan tanggung jawab
penulis sehingga penulis dapat menyelesaikan skripsi.
11. Seluruh pihak yang tidak dapat disebutkan satu persatu yang secara
langsung maupun tidak langsung telah membantu menyelesaikan skripsi ini.
Penulisan skripsi ini masih jauh dari kata sempurna. Untuk itu, sangat
diperlukan kritik dan saran yang membangun bagi penulis. Akhir kata, semoga
laporan skripsi ini dapat bermanfaat bagi penulis dan orang lain.
Wassalamualaikum, Wr. Wb.
Jakarta, 16 Desember 2021
Penulis
Kahfi Del Vieri

11180910000037
ix
DAFTAR ISI
LEMBAR PERSETUJUAN.................................................................................... ii
HALAMAN PENGESAHAN ................................................................................ iii
PERNYATAAN ORISINALITAS ........................................................................ iv
PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI ................................... v
ABSTRAK ............................................................................................................. vi
KATA PENGANTAR ......................................................................................... viii
DAFTAR ISI ........................................................................................................... x
DAFTAR GAMBAR ........................................................................................... xiii
DAFTAR TABEL ................................................................................................. xv
BAB 1 PENDAHULUAN………………………………………………………...1
1.1 Latar Belakang ......................................................................................... 1
1.2 Rumusan Masalah .................................................................................... 4
1.3 Batasan Masalah ....................................................................................... 4
1.4 Tujuan Penelitian ...................................................................................... 4
1.5 Manfaat Penelitian .................................................................................... 4
1.5.1 Bagi Penulis ...................................................................................... 4
1.5.2 Bagi Universitas ................................................................................ 4
1.5.3 Bagi Masyarakat................................................................................ 5
1.6 Metodologi Penelitian .............................................................................. 5
1.6.1 Metode Pengumpulan Data ............................................................... 5
1.6.2 Metode Pengembangan Sistem ......................................................... 5
1.7 Sistematika Penulisan ............................................................................... 6
BAB 2 LANDASAN TEORI DAN TINJAUAN PUSTAKA…………………….7
2.1 Sistem ....................................................................................................... 7
2.2 Tanaman Pakcoy ...................................................................................... 7
2.3 Fuzzy Logic .............................................................................................. 8
2.4 Metode Sugeno ......................................................................................... 9
2.4.1 Fungsi Keanggotaan ........................................................................ 10
x
2.4.2 Tahapan Metode Sugeno ................................................................. 12
2.5 Single Board Computer Raspberry Pi 3 Model B+ ................................ 13
2.6 MCP3008................................................................................................ 14
2.7 Sensor Kelembapan Tanah ..................................................................... 14
2.8 Sensor Hujan .......................................................................................... 15
2.9 Sensor Suhu (DHT22) ............................................................................ 16
2.10 Relay ....................................................................................................... 17
2.11 Valve Solenoid ........................................................................................ 18
2.12 Prototyping ............................................................................................. 18
2.13 Structured Analysis with Real-time (SA-RT) ......................................... 20
BAB 3 METODOLOGI PENELITIAN………………………………………….21
3.1 Metode Pengumpulan Data .................................................................... 21
3.1.1 Observasi ......................................................................................... 21
3.1.2 Wawancara ...................................................................................... 21
3.1.3 Studi Pustaka dan Literatur ............................................................. 22
3.2 Metode Pengembangan Sistem dengan Prototipe .................................. 27
3.2.1 Komunikasi ..................................................................................... 27
3.2.2 Perencanaan Cepat .......................................................................... 27
3.2.3 Pemodelan Cepat ............................................................................. 28
3.2.4 Konstruksi ....................................................................................... 29
3.2.5 Evaluasi ........................................................................................... 29
3.3 Alur Penelitian ........................................................................................ 29
BAB 4 ANALSIS, PERANCANGAN SISTEM, IMPLEMENTASI DAN
PENGUJIAN SISTEM..……………………………………………………….…33
4.1 Tahap Komunikasi ................................................................................. 33
4.2 Perencanaan Cepat ................................................................................. 33
4.2.1 Ruang Lingkup ................................................................................ 33
4.2.2 Analisis Konstruksi Alat pada Kebun Agribisnis ........................... 34
4.2.3 Analisis Sistem Berjalan ................................................................. 36
4.2.4 Analisis Sistem Usulan ................................................................... 36
xi
4.2.5 Analisis Kebutuhan Fungsional Sistem .......................................... 37
4.2.6 Analisis Kebutuhan Perangkat Keras .............................................. 41
4.2.7 Analisis Kebutuhan Perangkat Lunak ............................................. 43
4.3 Pemodelan Cepat .................................................................................... 44
4.3.1 Kemasan .......................................................................................... 44
4.3.2 Skematik Sistem dengan Sensor Kelembapan Tanah ..................... 45
4.3.3 Skematik Sistem dengan Sensor Hujan .......................................... 46
4.3.4 Skematik Sistem dengan Sensor Suhu DHT22 ............................... 47
4.3.5 Skematik Sistem dengan Relay dan Valve Solenoid ...................... 48
4.3.6 Tampilan Rangkaian Alat Penyiram Tanaman Otomatis................ 49
4.4 Kontruksi ................................................................................................ 51
4.4.1 Pengkodean Raspberry Pi dengan Input Sensor.............................. 51
4.4.2 Pengkodean Fuzzy Logic dengan Metode Sugeno ......................... 54
4.5 Evaluasi dengan Black Box Testing........................................................ 64
4.5.1 Pengujian Fuzzy Logic .................................................................... 64
4.5.2 Pengujian Output Terhadap Input Berdasarkan Aturan Fuzzy ........ 66
BAB 5 HASIL DAN PEMBAHASAN…………………………………………..69
5.1 Sistem Penyiram Tanaman Otomatis ..................................................... 69
5.2 Hasil Pengujian Fuzzy Logic .................................................................. 69
5.3 Hasil Pengujian Output Terhadap Input Berdasarkan Aturan Fuzzy...... 72
BAB 6 KESIMPULAN DAN SARAN…………………………………………..74
6.1 Kesimpulan ............................................................................................. 74
6.2 Saran ....................................................................................................... 74
DAFTAR PUSTAKA ........................................................................................... 76
xii
DAFTAR GAMBAR
Gambar 1.1 Kebun Agribisnis................................................................................. 2

Gambar 2.1 Tanaman Pakcoy ................................................................................. 8
Gambar 2.2 Grafik Fungsi Keanggotaan Segitiga ................................................ 10
Gambar 2.3 Grafik Fungsi Keanggotaan Trapesium ............................................ 11
Gambar 2.4 Raspberry Pi 3 Model B+ .................................................................. 13
Gambar 2.5 MCP3008 .......................................................................................... 14
Gambar 2.6 Sensor Kelembapan Tanah ................................................................ 15
Gambar 2.7 Sensor Hujan ..................................................................................... 16
Gambar 2.8 DHT22 ............................................................................................... 17
Gambar 2.9 Relay Module 1 Channel ................................................................... 17
Gambar 2.10 Valve Solenoid ................................................................................ 18
Gambar 3.1 Kerangka Berpikir ............................................................................. 30
Gambar 3.2 Blok Diagram .................................................................................... 31
Gambar 3.3 Alur Konstruksi Logika Fuzzy .......................................................... 32
Gambar 4.1 Analisis Konstruksi Alat Pada Kebun Agribisnis ............................. 34
Gambar 4.2 Foto Kebun Agribisnis 1 ................................................................... 35
Gambar 4.3 Foto Kebun Agribisnis 2 ................................................................... 35
Gambar 4.4 Analisis Sistem Berjalan ................................................................... 36
Gambar 4.5 Analisis Sistem Usulan ..................................................................... 37
Gambar 4.6 Konteks Diagram/Data Flow Diagram Level 0 ................................ 38
Gambar 4.7 Data Flow Diagram Level 1 ............................................................. 39
Gambar 4.8 Flowchart .......................................................................................... 41
Gambar 4.9 Desain Perancangan Kemasan .......................................................... 45
Gambar 4.10 Skematik Sistem dengan Sensor Kelembapan Tanah ..................... 46
Gambar 4.11 Skematik Sistem dengan Sensor Hujan ........................................... 47
Gambar 4.12 Skematik Sistem dengan Sensor Suhu DHT22 ............................... 48
Gambar 4.13 Skematik Sistem dengan Relay dan Valve Solenoid ....................... 49
Gambar 4.14 Rangkaian Alat Penyiram Tanaman Otomatis ................................ 50
xiii
Gambar 4.15 Alat Penyiram Tanaman Otomatis .................................................. 51
Gambar 4.16 Tampilan Home ............................................................................... 52
Gambar 4.17 Tampilan Raspberry Pi Configuration ............................................ 52
Gambar 4.18 Kode Deklarasi Dan Input Dari Sensor 1 ........................................ 53
Gambar 4.19 Kode Deklarasi Dan Input Dari Sensor 2 ........................................ 53
Gambar 4.20 Kode Dalam Looping Dan Fungsi Utama ....................................... 54
Gambar 4.21 Fungsi Keanggotaan Sensor Kelembapan Tanah ............................ 56
Gambar 4.22 Fungsi Keanggotaan Sensor Hujan ................................................. 56
Gambar 4.23 Fungsi Keanggotaan Sensor Suhu ................................................... 56
Gambar 4.24 Deklarasi Variabel Fuzzy ................................................................ 59
Gambar 4.25 Fuzzyfikasi Sensor Suhu ................................................................. 59
Gambar 4.26 Fuzzyfikasi Sensor Kelembapan Tanah .......................................... 60
Gambar 4.27 Fuzzyfikasi Sensor Hujan ............................................................... 60
Gambar 4.28 Inferensi Fuzzy ................................................................................ 60
Gambar 4.29 Defuzzyfikasi .................................................................................. 61
Gambar 4.30 Grafik Hasil Fuzzy Sensor Hujan Dan Sensor Kelembapan Tanah 61
Gambar 4.31 Grafik Hasil Fuzzy Sensor Suhu Dan Sensor Kelembapan Tanah . 62
Gambar 4.32 Grafik Hasil Fuzzy Sensor Hujan Dan Sensor Suhu ....................... 62
Gambar 5.1 Hasil Pengujian Fuccy Logic............................................................. 70
Gambar 5.2 Hasil Pengujian Output Valve ........................................................... 72
xiv
DAFTAR TABEL
Tabel 3.1 Studi Literatur Sejenis........................................................................... 23

Tabel 3.2 Perbedaan Penelitian ............................................................................. 25
Tabel 4.1 Analisis Kebutuhan Perangkat Keras .................................................... 42
Tabel 4.2 Analisis Kebutuhan Perangkat Lunak ................................................... 43
Tabel 4.3 Himpunan Fuzzy ................................................................................... 55
Tabel 4.4 Komposisi Aturan Fuzzy ....................................................................... 58
Tabel 4.5 Tabel Inferensi Fuzzy Sugeno Dari Sistem Penyiram Tanaman ........... 63
Tabel 4.6 Testing Fuzzy pada Jalur 1 .................................................................... 65
Tabel 4.7 Testing Fuzzy pada Jalur 2 .................................................................... 65
Tabel 4.8 Testing Output Valve pada Jalur 1 ........................................................ 67
Tabel 4.9 Testing Output Valve pada Jalur 2 ........................................................ 67
xv
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang

Perubahan iklim global telah terjadi serta dirasakan di beberapa negara,
termasuk Indonesia. Berdasarkan hasil pengamatan Badan Meteorologi dan
Klimatologi Geofisika (BMKG), dalam kurun waktu 30 tahun terakhir telah terjadi
kenaikan suhu yang signifikan di sebagian besar wilayah Indonesia (Athena &
Cahyorini, 2016). Bagi seseorang yang melakukan aktifitas berkebun atau
menanam tumbuhan juga harus menjadi lebih cermat ketika melakukan penyiraman.
Dikarenakan cuaca yang tidak menentu ini, kita harus memperhatikan kuantitas air
yang harus diberikan ke tumbuhan yang kita tanam ini. Beberapa contoh lain akibat
dari perubahan iklim tersebut adalah petani kopi di Kepahiang Bengkulu dan
Manggarai Nusa Tenggara Timur gagal panen dan hanya dapat memanen 20% dari
tanaman kopinya (Tim Knowledge Center, n.d.). Musim kemarau panjang di
Indonesia juga mengakibatkan berubahnya pola tanam, yang mengaibatkan gagal
panen. Contoh lain dari perubahan iklim adalah pemanasan suhu bumi, yang
menyebabkan mencairnya es di bumi, kenaikan batas air laut, dan banjir.
Dikarenakan cuaca yang tidak menentu tersebut, penyiraman yang
sebelumnya harus memperhatikan kondisi tanah sekarang menjadi lebih rumit.
Permasalahan ini juga terjadi dikebun agribisnis. Kebun agribisnis yang berlokasi
di jalan Puri Intan 4, Pisangan, Tanggerang Selatan memiliki luas sebesar 1.760
meter persegi dan luas greenhouse yang berada didalam kebun tersebut sebesar 8 x
16 meter. Berdasarkan wawancara dengan Bapak Iping Ruspendi S.P. yang
merupakan Pranata Laboratorium Pendidikan Kebun Percobaan, beliau berbicara
selain dengan perubahan cuaca yang tidak menentu, penyiraman tanaman juga
memiliki kesulitan lain. Salah satu kesulitan yang dimaksud adalah volume air yang
diberikan ke tanaman diperkirakan sesuai dengan besar tanaman, banyaknya tanah,
dan tipe tanaman tersebut. Kelalaian juga menjadi kendala yang sering dialami
pemilik tanaman. Jika kita lalai dalam menyiram tanaman maka tanaman tersebut
juga akan mengalami kekeringan yang dapat menyebabkan kematian pada tanaman.
UIN SYARIF HIDAYATULLAH JAKARTA

2
Gambar 1.1 Kebun Agribisnis
Beberapa hal dapat dilakukan untuk mengatasi permasalahan tersebut. Salah

satunya adalah dengan membuat penyiraman tersebut dibuat secara otomatis.
Dikarenakan manusia dapat mengalami terjadinya human error, penyiraman
otomatis menjadi solusi yang tepat. Contoh implementasinya adalah pada Minggu
26 Juli 2020, Yance Maring membuat sistem irigasi tetes menggunakan teknologi
android dan SMS (florespedia, 2020). Sistem ini diimplementasikan di pertanian
holtikultura Kelurahan Wailiti, Kecamatan Alok Barat, Kabupaten Sikka, NTT.
Informasi mengenai penyiraman disampaikan melalui smartphone.
Selain dari implementasi tersebut, terdapat penelitian lain yang membuat
sistem penyiram tanaman otomatis. Seperti penelitian Smart Home Garden
Irrigation System Using Raspberry Pi (Syaza Norfilsha Binti Ishak, 2008).
Dipenelitian tersebut mereka menggunakan Raspberry Pi sebagai kontrolnya.
Ketika ada cahaya, tanah kering, dan air didalam tanki memiliki ketinggian lebih
dari 15 cm, maka alat tersebut akan mengirim pesan ke user untuk meminta
persetujuan untuk menyalakan keran air. Ketika user setuju maka keran air akan
menyala. Selanjutnya terdapat penelitian An intelligent and secure smart watering
system using fuzzy logic and blockchain (Munir et al., 2019). Penelitian tersebut
menggunakan Arduino sebagai mikrokontrollernya. Penyiraman yang dilakukan
dipenelitian tersebut menggunakan fuzzy logic sebagai kontrol terhadap sistem
peyiraman.

3
Fuzzy Logic dapat digunakan untuk menyampaikan informasi dari data yang
bersifat ambiguous. Terdapat beberapa metode dalam logika fuzzy yaitu; metode
Tsukamoto, metode Mamdani dan metode Sugeno (SUARDIKA et al., 2018).
Metode Sugeno merupakan suatu metode pengambilan keputusan untuk
menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan kriteria tertentu.
Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan
dalam pengambilan keputusan (Putri & Effendi, 2017). Fuzzy logic pada penelitian
ini digunakan untuk menentukan keputusan apakah akan dilakukan penyiraman
atau tidak.
Berdasarkan hasil penelitian yang dilakukan oleh (SUARDIKA et al., 2018)
menyatakan bahwasannya dari ketiga metode yang dimiliki oleh fuzzy logic, metode
Sugeno memiliki nilai error terkecil dibandingkan dengan metode lain, sehingga
berdasarkan hasil yang didapat metode Sugeno yang paling baik untuk digunakan
dalam menentukan keputusan.
Untuk sistem kendali, yang paling sering digunakan dipenelitian robotika
adalah Raspberry Pi untuk mini komputer atau Arduino untuk mikrokontroller.
Berdasarkan website resmi Raspberry Pi, Raspberry Pi 3 Model B+ merupakan
model revisi dari Raspberry Pi 3 Model B. Model ini memiliki kecepatan komputasi
yang lebih cepat dibanding model pendahulunya dan memiliki beberapa fitur
tambahan. Raspberry Pi sendiri merupakan sebuah mini komputer yang mana
memiliki kemampuan komputasi yang lebih kuat dibanding mikrokontroller seperti
Arduino.
Dari hasil analisis, studi pustaka/literatur, dan wawancara maka usulan
solusi berdasarkan masalah yang ada penulis membuat sesuatu sistem untuk
menyiram tanaman menggunakan algoritma pengambil keputusan. Dengan
demikian penulis melakukan penelitian berjudul “IMPLEMENTASI FUZZY
INFERENCE SYSTEM PADA SISTEM PENYIRAM TANAMAN
OTOMATIS MESIN PARALEL”.

4
1.2 Rumusan Masalah

Dari latar belakang tersebut, maka dapat dirumuskan permasalahan dalam
skripsi ini yaitu “Bagaimana membuat sistem penyiram tanaman otomatis
menggunakan Fuzzy Inference System berbasis Raspberry Pi 3 untuk membuat
penyiraman menjadi lebih terkontrol ?”.
1.3 Batasan Masalah

Berdasarkan latar belakang dan rumusan masalah yang sudah didapat, maka
penulis membatasi penulisan skripsi ini antara lain pada:
1. Fuzzy Inference System menggunakan model Sugeno.
2. Penyiraman tanaman menggunakan 2 jalur dengan penyiraman secara
paralel untuk masing-masing jalur.
3. Sistem penyiraman menggunakan 2 buah sensor kelembapan tanah,
sebuah sensor suhu DHT22, dan sebuah sensor hujan.
4. Implementasi dilakukan didalam green house di kebun agribisnis.
1.4 Tujuan Penelitian

Berdasarkan uraian diatas, maka tujuan skripsi ini adalah:
1. Membuat sistem yang dapat menyiram tanaman secara otomatis untuk
2 buah jalur dengan 2 penyiraman paralel untuk masing-masing jalur.
2. Mengimplementasikan Fuzzy Logic untuk membuat penyiraman
menjadi lebih terkontrol.
1.5 Manfaat Penelitian

Adapun manfaat yang didapat dari penelitian ini adalah sebagai berikut:
1.5.1 Bagi Penulis
Dapat mengimplementasi dan memahami lebih dalam lagi
penggunaan Raspberry Pi 3 dan Fuzzy Inference System.
1.5.2 Bagi Universitas

5
1. Mengukur tingkat kemampuan dalam menerapkan ilmu

akademis maupun non-akademis di lingkungan masyarakat
dan Lembaga.
2. Penyiram tanaman diimplementasikan di Kebun Agribisnis
dengan menggunakan 2 jalur tanaman.
1.5.3 Bagi Masyarakat
Dapat menjadi pilihan alternatif untuk penyiraman tanaman
khususnya untuk skala yang besar.
1.6 Metodologi Penelitian

Metode yang digunakan penulis dalam penulisan dan penelitian dibagi
menjadi dua, yaitu metode pengumpulan data dan metode pengembangan sistem.
Berikut penjelasan kedua metode tersebut:
1.6.1 Metode Pengumpulan Data

Dalam melakukan analisis data dan penulisan skripsi ini, penulis
menggunakan 3 metode pengumpulan data, yaitu:
1. Studi Literatur.
2. Observasi.
3. Wawancara.
1.6.2 Metode Pengembangan Sistem

Pada penelitian ini digunakan metode pernembangan sistem
Prototyping (prototipe), terdapat 5 tahapan dalam metode ini (Pressman &
Maxim, 2014):
1. Komunikasi.
2. Perencanaan cepat.
3. Pemodelan cepat.
4. Konstruksi.
5. Evaluasi.

6
1.7 Sistematika Penulisan

Sistematika penulisan yang akan dilakukan dalam penelitian ini terdiri dari
6 bab, yaitu:
BAB 1 PENDAHULUAN
Dalam bab ini akan dibahas mengenai latar belakang,
Batasan masalah, tujuan, dan manfaat serta sistematika
penulisan.
BAB II TINJAUAN PUSTAKA DAN LANDASAR TEORI
Dalam bab ini akan dibahas mengenai berbagai teori yang
mendasari analisis permasalahan dan berhubungan dengan
topik yang dibahas.
BAB III METODOLOGI PENELITIAN
Bab ini membahas mengenai metode penelitian yang akan
digunakan dalam merancang dan membangun prototipe
sistem.
BAB IV ANALISIS, DESAIN, IMPLEMENTASI, DAN
PENGUJIAN SISTEM
Pada bab ini membahas mengenai hasil dari analisis,
perancangan, implementasi sesuai dengan metode yang
dilakukan pada sistem yang dibuat serta hasil dari pengujian.
BAB V HASIL DAN PEMBAHASAN
Bab ini berisi hasil dari pembahasan yang didapat dari
penelitian.
BAB VI KESIMPULAN DAN SARAN
Bab ini berisi tentang kesimpulan dari penelitian yang telah
dilakukan dan saran yang diusulkan untuk pengembangan
lebih lanjut agar tercapai hasil yang lebih baik.

7
BAB 2
LANDASAN TEORI DAN TINJAUAN PUSTAKA
2.1 Sistem
Dalam kamus besar Bahasa Indonesia versi daring, sistem diartikan sebagai
perangkat unsur yang secara teratur saling berkaitan sehingga membentuk suatu
totalitas (BPPB, 2016) Sedangkan menurut (SIHOTANG, 2019) Sistem merupakan
suatu jaringan kerja dari prosedur-prosedurnya yang saling berhubungan,
berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk
menyelesaikan suatu sasaran tertentu. Dari kedua definisi diatas dapat dikatakan
bahwa sistem adalah kumpulan prosedur dan unsur yang berhubungan untuk
melakukan sasaran tertentu. Menurut (Romney & Steinbart, 2015) sistem adalah
rangkaian dari dua atau lebih komponen-komponen yang saling berhubungan, yang
berinteraksi untuk mencapai suatu tujuan.
2.2 Tanaman Pakcoy

Tanaman pakcoy (Brassica rapa L.) merupakan jenis tanaman yang
termasuk keluarga Brassicaceae. Tumbuhan pakcoy berasal dari China dan telah
dibudidayakan setelah abad ke-5 secara luas di China selatan dan China pusat serta
Taiwan. Tanaman ini merupakan introduksi baru di Jepang dan masih satu keluarga
dengan Chinese vegetable. Saat ini pakcoy dikembangkan secara luas di Filipina,
Malaysia, Indonesia dan Thailand (Rahmatullah et al., 2020).

8
Gambar 2.1 Tanaman Pakcoy
2.3 Fuzzy Logic

Logika fuzzy pertama kali diperkenalkan oleh Lutfi Zadeh pada
pertengahan tahun 1960 di Universitas California Barkeley. Logika ini di ciptakan
karena Boolean logic tidak mempunyai ketelitian yang tinggi, hanya mempunyai
logika 0 dan 1 saja, sehingga untuk membuat sistem yang mempunyai ketelitian
yang tinggi maka kita tidak dapat menggunakan Boolean logic. Sedangkan logika
fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran
(fuzzyness) antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa
bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan
kesalahan suatu nilai tergantung kepada bobot keanggotaan yang dimilikinya. Hal
ini sejalan dengan penelitian yang di paparkan oleh (Meimaharani & Listyorini,
2014).
Menurut (SUARDIKA et al., 2018) terdapat tiga metode yang ada di fuzzy
logic yaitu:
1. Tsukamoto
2. Mamdani
3. Sugeno

9
2.4 Metode Sugeno

Metode Sugeno merupakan salah satu metode dalam logika fuzzy. Metode
ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Sistem fuzzy sugeno
memperbaiki kelemahan yang dimiliki oleh sistem fuzzy murni untuk menambah
suatu perhitungan matematika sederhana sebagai bagian THEN. Pada perubahan
ini, sistem fuzzy memiliki suatu nilai rata-rata tertimbang (Weighted Average
Values) di dalam bagian aturan fuzzy IF-THEN. Sistem fuzzy Sugeno juga memiliki
kelemahan terutama pada bagian THEN, yaitu dengan adanya perhitungan
matematika sehingga dapat menyediakan kerangka alami untuk mempresentasikan
pengetahuan manusia dengan sebenarnya. (Meimaharani & Listyorini, 2014).
Penalaran dengan metode SUGENO hampir sama dengan penalaran
MAMDANI, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy,
melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh
Takagi - Sugeno Kang pada tahun 1985, sehingga metode ini sering juga dinamakan
dengan Metode TSK(A. D. Putri & Effendi, 2019) (Putri & Effendi, 2017).
Menurut (Suardika et al., 2018) (SUARDIKA et al., 2018) pada hasil
penelitiannya yang membandingkan ketiga metode yang ada di Fuzzy Logic
menyatakan bahwa untuk metode Sugeno memiliki nilai error terkecil,
dibandingkan dengan dua lainnya. Sehingga berdasarkan hasil yang di dapat
metode sugeno yang paling baik digunakan dibandingkan dengan metode
Tsukamoto dan metode Mamdani pada studi kasus produksi dupa CV. Dewi Bulan.
Menurut (Hakim, 2016) ada beberapa hal yang perlu diketahui dalam
memahami metode fuzzy yaitu.
1. Variabel fuzzy
Variabel fuzzy merupakan suatu lambang atau kata yang menunjuk
kepada suatu yang tidak tertentu dalam sistem fuzzy.
2. Himpunan fuzzy
Himpunan fuzzy merupakan suatu kumpulan yang mewakili suatu
kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
3. Semesta pembicaraan

10
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan

untuk dioperasikan dalam suatu variabel fuzzy.
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan
fuzzy.
2.4.1 Fungsi Keanggotaan

Menurut (Hakim, 2016) ada beberapa hal yang perlu diketahui
dalam memahami metode fuzzy yaitu.
𝐴̃: 𝑋 → [0,1]
Kebanyakan himpunan kabur berada dalam semesta bilangan real
dengan fungsi keanggotaan yang dinyatakan dalam bentuk formula
matematis antara lain sebagai berikut:
1. Fungsi Keanggotaan Segitiga
Suatu fungsi keanggotaan himpunan kabur/fuzzy disebut
keanggotaan segita jika mempunyai tiga parameter, yaitu
𝑎, 𝑏, 𝑐 ∈ 𝑅 dengan 𝑎 ≤ 𝑏 ≤ 𝑐 dan dinyatakan dengan segitiga
(𝑥, 𝑎, 𝑏, 𝑐). Representasi fungsi keanggotaan segitiga seperti
yang ditunjukkan pada gambar 2.1:
Gambar 2.2 Grafik Fungsi Keanggotaan Segitiga
Fungsi keanggotaan segitiga dapat juga dinyatakan dengan

formula sebagai berikut:

11
𝑥−𝑎
, 𝑢𝑛𝑡𝑢𝑘 𝑎 ≤ 𝑥 ≤ 𝑏
𝑏−𝑎
𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎(𝑥, 𝑎, 𝑏, 𝑐) = 𝑐 − 𝑥 , 𝑢𝑛𝑡𝑢𝑘 𝑏 ≤ 𝑥 ≤ 𝑐
𝑐−𝑏
{ 0, 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Keterangan:
a = Nilai domain yang mempunyai derajat keanggotaan nol
b = Nilai domain yang mempunyai derajat keanggotaan satu
c = Nilai domain yang mempunyai derajat keanggotaan nol
x = Nilai input yang akan diubah ke dalam bilangan kabur
2. Fungsi Keanggotaan Trapesium

Suatu fungsi keanggotaan himpunan kabur disebut fungsi
keanggotaan trapesium jika mempunyai empat parameter, yaitu
𝑎, 𝑏, 𝑐, 𝑑 ∈ 𝑅 dengan 𝑎 ≤ 𝑏 ≤ 𝑐 ≤ 𝑑 dan dinyatakan dengan
trapesium. Representasi fungsi keanggotaan trapesium seperti
yang ditunjukkan pada gambar 2.2:
Gambar 2.3 Grafik Fungsi Keanggotaan Trapesium
Fungsi keanggotaan trapesium dapat juga dinyatakan dengan

formula sebagai berikut:
𝑥−𝑎
, 𝑢𝑛𝑡𝑢𝑘 𝑎 ≤ 𝑥 ≤ 𝑏
𝑏−𝑎
1, 𝑢𝑛𝑡𝑢𝑘 𝑏 ≤ 𝑥 ≤ 𝑐
𝑇𝑟𝑎𝑝𝑒𝑠𝑖𝑢𝑚(𝑥, 𝑎, 𝑏, 𝑐, 𝑑) = 𝑑 − 𝑥
, 𝑢𝑛𝑡𝑢𝑘 𝑐 ≤ 𝑥 ≤ 𝑑
𝑑−𝑐
{ 0, 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Keterangan:
𝑎 = Nilai domain yang mempunyai derajat keanggotaan nol

12
𝑏 = Nilai domain yang mempunyai derajat keanggotaan satu

𝑐 = Nilai domain yang mempunyai derajat keanggotaan nol
𝑑 = Nilai domain yang mempunyai derajat keanggotaan satu
𝑥 = Nilai input yang akan diubah ke dalam bilangan kabur
2.4.2 Tahapan Metode Sugeno

(Hakim, 2016) menjelaskan terdapat beberapa tahapan untuk
mendapatkan suatu output menggunakan metode Sugeno yaitu sebagai
berikut:
1. Pembentukan Himpunan Fuzzy
Pada tahapan ini, variabel input maupun variabel output menjadi
satu atau lebih himpunan fuzzy.
2. Aplikasi Fungsi Implikasi/Agregasi
Fungsi Min, yaitu dengan cara mencari nilai minimum
berdasarkan aturan ke-i dan dapat dinyatakan dengan:
𝑎𝑖 = 𝜇𝐴𝑖 (𝑥) ∩ 𝜇𝐵𝑖 (𝑥) = min (𝜇𝐴𝑖 (𝑥), 𝜇𝐵𝑖 (𝑥))
Keterangan:
𝑎 = nilai minimum dari himpunan fuzzy 𝐴 dan 𝐵 pada
aturan ke-𝑖
𝜇𝐴𝑖 (𝑥) = derajat keanggotaan 𝑥 dari himpunan fuzzy 𝐴 pada
aturan ke-𝑖
𝜇𝐵𝑖 (𝑥) = derajat keanggotaan 𝑥 dari himpunan fuzzy 𝐵 pada
aturan ke-𝑖
3. Komposisi Aturan/ rules evaluation
Tidak seperti penalaran monoton, apabila sistem terdiri dari
beberapa aturan, maka inferensi diperoleh dari kumpulan dan
korelasi antar aturan.
4. Defuzzifikasi
Input dari proses defuzzifikasi adalah suatu bilangan kabur yang
diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output
yang dihasilkan merupakan bilangan pada domain himpunan

13
kabur tersebut. Sehingga jika diberikan suatu himpunan kabur

dalam range tertentu, maka harus dapat diambil suatu nilai crisp
tertentu sebagai output. Dalam metode sugeno, defuzzifikasi
dilakukan dangan cara mencari nilai rata-rata terbobot (weight
average).
∑𝑁
𝑖=1 𝑎𝑖 𝑧𝑖
𝑊𝐴 = 𝑁
∑𝑖=1 𝑎𝑖
Keterangan:
𝑊𝐴 = Nilai rata-rata terbobot
𝑎𝑖 = 𝑎-predikat ke-𝑖
𝑧𝑖 = konsekuen ke-𝑖
2.5 Single Board Computer Raspberry Pi 3 Model B+

Raspberry Pi 3 Model B+ merupakan revisi terakhir dari Raspberry Pi
generasi ketiga. Yang paling membedakan antara Raspberry Pi 3 model B+ dengan
model pendahulunya adalah model B+ menggunakan 1.4GHz 64-bit quad-core
processor, dual-band wireless LAN, Bluetooth 4.2/BLE, Ethernet yang lebih cepat,
dan Power-over-Ethernet support (dengan PoE HAT yang terpisah) (Raspberry Pi,
2018).
Gambar 2.4 Raspberry Pi 3 Model B+
Spesifikasi dari Raspberry Pi 3 Model B+ sebagai berikut:

1. Broadcom BCM2837B0, Cortex-A53 (ARMv8) 64-bit SoC @ 1.4GHz.

14
2. 1GB LPDDR2 SDRAM.

3. 2.4GHz and 5GHz IEEE 802.11.b/g/n/ac wireless LAN, Bluetooth 4.2,
BLE.
4. Gigabit Ethernet over USB 2.0 (maximum throughput 300 Mbps).
5. Extended 40-pin GPIO header.
6. Full-size HDMI.
7. 4 USB 2.0 ports.
8. CSI camera port for connecting a Raspberry Pi camera.
9. DSI display port for connecting a Raspberry Pi touchscreen display.
10. 4-pole stereo output and composite video port.
11. Micro SD port for loading your operating system and storing data.
12. 5V/2.5A DC power input.
13. Power-over-Ethernet (PoE) support (requires separate PoE HAT).
2.6 MCP3008
Konverter Analog ke Digital MCP3008 digunakan untuk aplikasi kontrol
embedded yang menggabungkan kinerja tinggi dan konsumsi daya rendah dalam
paket kecil. Konverter memiliki kemampuan yang memungkinkan 10-bit ADC
untuk ditambahkan ke pic mikrokontroler (Senthilkumar et al., 2019).
Gambar 2.5 MCP3008
2.7 Sensor Kelembapan Tanah

Sensor kelembaban tanah digunakan untuk mengukur kadar air volumetrik
tanah dan hilangnya kelembaban yang terjadi karena penguapan dan serapan

15
tanaman. Untuk kelangsungan hidup semua tanaman, air adalah faktor yang paling
penting. Sensor kelembaban tanah ini menentukan jumlah air yang dibutuhkan
untuk irigasi tanaman (Kodali & Sahu, 2016).
Gambar 2.6 Sensor Kelembapan Tanah
2.8 Sensor Hujan

Sensor ini digunakan untuk mendeteksi hujan. Sensor ini juga dapat
digunakan untuk mengukur intensitas hujan. Modul ini memiliki output digital serta
output analog. Modul ini mengukur kelembaban melalui pin output analog dan
ketika ambang batas kelembaban melebihi terlalu banyak, modul ini memberikan
output digital. Semakin banyak air atau semakin rendah resistansi berarti semakin
rendah tegangan output. Sedangkan, semakin sedikit air berarti resistansi yang lebih
tinggi, yaitu tegangan output tinggi pada pin analog. Misalnya papan yang benar-
benar kering akan menyebabkan modul menghasilkan lima Volt (Kusriyanto &
Putra, 2019).

16
Gambar 2.7 Sensor Hujan
2.9 Sensor Suhu (DHT22)

DHT22 adalah sensor digital yang digunakan untuk mengukur suhu dan
kelembaban udara sekitar. DHT22 menggunakan sensor kelembaban kapasitif dan
termistor untuk mengukur suhu sekitar yang terhubung ke komputer chip tunggal
8-bit dan diubah menjadi sinyal digital pada pin data (Kusriyanto & Putra, 2019).
Untuk mengukur suhu, sensor ini menggunakan NTC atau sensor suhu
termistor. Termistor sebenarnya adalah resistor variabel yang resistansinya berubah
sesuai dengan perubahan suhu. Sensor ini terbuat dari bahan semikonduktor seperti
keramik atau polimer untuk memberikan perubahan nilai hambatan yang besar dari
perubahan suhu yang kecil.

17
Gambar 2.8 DHT22
2.10 Relay
Modul ini berisi aktuator biner yang bekerja sebagai saklar yang
dioperasikan secara elektrik yang disebut relay, relay dalam sistem ini digunakan
untuk menangani satu beban yang berjalan pada arus DC yang memiliki tegangan
maksimum 12 Volt (Mathur & Kalbande, 2020).
Relay adalah saklar yang dioperasikan secara elektrik. Banyak relay
menggunakan elektromagnet untuk mengoperasikan saklar secara mekanis. Relay
digunakan untuk mengontrol rangkaian dengan sinyal daya rendah yang terpisah,
atau di mana beberapa rangkaian harus dikendalikan oleh satu sinyal (Vanaja et al.,
2018).
Gambar 2.9 Relay Module 1 Channel

18
2.11 Valve Solenoid

Valve Solenoid adalah katup yang dioperasikan secara elektromekanis.
Katup dikendalikan oleh arus listrik melalui solenoida. Katup solenoid adalah
elemen kontrol yang paling sering digunakan dalam fluida. Tugas mereka adalah
mematikan, melepaskan, mendistribusikan atau mencampur cairan. Mereka sering
digunakan di beberapa area aplikasi. Solenoid menawarkan peralihan yang cepat
dan aman, keandalan yang tinggi, masa pakai yang lama, kompatibilitas yang baik
dari bahan yang digunakan, daya kontrol yang rendah, dan desain yang ringkas
(Vanaja et al., 2018).
Gambar 2.10 Valve Solenoid
2.12 Prototyping
Menurut (Mulyani, 2016) Prototyping merupakan Teknik pengembangan
sistem yang menggunakan prototype untuk untuk menggambarkan sistem, sehingga
pengguna atau pemilik sistem mempunyai gambaran pengembangan sistem yang
akan dilakukannya. Teknik ini sering digunakan apabila pemilik sistem tidak terlalu
menguasai sistem yang akan dikembangkannya, sehingga dia memerlukan
gambaran dari sistem yang akan dikembangkannya tersebut. Hal ini sejalan dengan
pendapat dari (Pressman & Maxim, 2014). Yang mengatakan, seringkali pelanggan
mendefinisikan serangkaian tujuan umum untuk perangkat lunak, tetapi tidak
mendefinisikan persyaratan terperinci untuk fungsi dan fitur.
Prototyping merupakan pendekatan iteratif dalam pengembangan sistem
yang dibuat. Berikut gambar Paradigma Prototyping.

19
Menurut (Mulyani, 2016) terdapat kelebihan dan kekurangan pada Teknik

pengembangan prototyping yaitu:
1. Menghemat waktu pengembangan
2. Menghemat biaya pengembangan
3. Pengguna atau pemilik sistem ikut terlibat dalam pengembangan,
sehingga kemungkinan-kemungkinan terjadinya kesalah pahaman
dalam sistem bisa diminimalisir
4. Implementasi akan menjadi mudah, karena pengguna atau pemilik
sistem sudah mempunyai gambaran tentang sistem
5. Kualitas sistem yang dihasilkan baik
6. Memungkinkan tim pengembang sistem memprediksi dan
memperkirakan pengembangan-pengembangan sistem selanjutnya.
Sedangkan kelemahannya adalah, Pengguna atau pemilik sistem bisa terus
menerus menambah kompleksitas sistem hingga sistem menjadi sangat kompleks,
hal ini bisa menyebabkan pengembang meninggalkan pekerjaanya sehingga sistem
yang dikerjakan tidak akan pernah terselesaikan.

20
2.13 Structured Analysis with Real-time (SA-RT)

Analisis Terstruktur untuk sistem, atau SA-RT, adalah notasi desain grafis
yang berfokus pada analisis perilaku fungsional dan aliran informasi melaluisuatu
sistem. SA-RT, yang pada gilirannya merupakan penyempurnaan dari metode
analisis struktural yang awalnya diperkenalkan oleh Douglass Ross dan
dipopulerkan oleh Tom DeMarco pada tahun tujuh puluhan, pertama kali
diperkenalkan oleh Ward dan Mellor pada tahun 1985 dan setelah itu telah
disempurnakan dan dimodifikasi oleh peneliti lain, satu contoh terkenal adalah
proposal Hatley dan Pirbhai (Hatley dan Pirbhai, 1991). (Lakhuo, 2012) (Lakhoua,
2012).
SART adalah salah satu metode desain yang paling sering digunakan dalam
aplikasi berorientasi teknis dan real-time yang diadopsi oleh berbagai Case-Tools.
Dan terbagi dalam 4 modul:
1. Context Diagram (CD).
2. Data Flows Diagram (DFD).
3. Control Flows Diagram (CFD).
4. State Transition Diagram (STD).

21
BAB 3
METODOLOGI PENELITIAN
Pembahasan pada bab 3 ini penulis melakukan proses pengumpulan data

dengan menggunakan metode pengumpulan data berupa wawancara dan studi
pustaka. Setelah mendapatkan data yang telah diperlukan untuk proses penelitian,
selanjutnya penulis memulai penelitian dengan menggunakan metode
pengembangan sistem yaitu prototipe. Dalam penelitian ini, penulis memulai
dengan menentukan tujuan dari keseluruhan sistem yang akan dibuat berdasarkan
latar belakang yang ada, dan mengidentifikasi apa saja yang akan dibutuhkan.
Selanjutnya melakukan pemodelan berupa fungsi-fungsi apa saja yang nantinya
akan diwujudkan dalam sebuah sistem berupa prototipe. Langkah setelah itu penulis
akan melakukan testing terhadap prototipe yang hasilnya akan digunakan untuk
evaluasi.
3.1 Metode Pengumpulan Data

Metode pengumpulan data digunakan untuk mencari dan mengumpulkan
data yang terkait dengan penelitian seperti dasar teori, metodologi penulisan,
metodologi proses, dan acuan penelitian sejenis. Dalam penelitian ini, metode
pengumpulan data yang dilakukan adalaah studi pustaka, dan studi literatur.
3.1.1 Observasi
Penulis melakukan observasi dengan melihat sistem penyiram
tanaman yang sudah diimplementasikan diinternet. Ditemukan bahwa
sistem penyiram tanaman yang sering dibuat adalah sistem penyiram
tanaman menggunakan sensor kelembapan tanah saja yang menyiram
tanaman ketika tanah sedang kering.
3.1.2 Wawancara
Wawancara dilakukan kepada seorang responden yang berprofesi
sebagai pengurus kebun agribisnis, yang dilakukan pada tanggal 12 Oktober

22
2021. Bernama Bapak Iping Ruspendi S.P. yang sudah bekerja menjadi
Pranata Laboratorium Pendidikan (PLP) Kebun Percobaan. Wawancara
bertujuan untuk mengetahui kendala yang dimiliki oleh PLP kebun terhadap
kendala penyiraman tanaman. Secara detail, hasil wawancara bisa dilihat
pada lampiran.
3.1.3 Studi Pustaka dan Literatur

Tahapan pengumpulan data dengan cara studi pustaka, penulis
mencari referensi-referensi yang berkaitan dengan penelitian. Pencarian
referensi dilakukan secara online melalui internet, seperti portal berita dan
laporan-laporan lembaga dan buku. Setelah mendapatkan referensi tersebut,
kemudian dipilih berbagai informasi yang dibutuhkan dalam penelitian ini.
Studi literatur sejenis merupakan kegiatan mencari literatur yang
mempunyai persamaan atau keterkaitan dengan penelitian yang sedang
dilakukan. Literatur sejenis yang didapatkan berupa skripsi, jurnal, dan
produk sejenis yang kemudian dikaji sehingga penilitan ini dapat menambah
wilayah berkembangya keilmuan dan dapat menjadi pelengkap dari
penelitian atau alat yang sudah ada.

23
Tabel 3.1 Studi Literatur Sejenis
No Judul Publikasi Penulis Penerbit Tahun Kelebihan Kekurangan

Publikasi
1 Automatic Plant Watering System Bhardwaj, Swapnil Amity University 2018 • Biaya yang diperlukan • Penyiraman hanya
using IoT (Bhardwaj et al., 2018) Dhir, Saru Uttar Pradesh, untuk membuat sistem bergantung kepada sensor
Hooda, Madhurima Noida tersebut tidak banyak kelembapan tanah saja
• Sistem sederhana • Tidak dapat diaplikasikan
• Dapat diaplikasikan untuk tanaman outdoor
didalam rumah yang dapat terkena air
hujan
2 IoT Implementation for Indoor Bin Ismail, Muhammad University 2018 • Terhubung kedalam • Sistem bersifat indoor dan
Vertical Farming Watering System Ikhwan Hanif Teknologi Mara, jaringan WLAN tidak dapat digunakan
(Bin Ismail & Thamrin, 2018) Thamrin, Norashikin M. Selangor, • Menggunakan empat diluar ruangan
Malaysia buah sensor tanah dan • Sistem harus menunggu
empat buah valve user input agar dapat
solenoid menyiram tanaman dan
tidak diberikan pilihan
untuk menyiram secara
otomatis
3 Design and Implementation of IoT Nurhasanah, Rossy Universitas 2021 • Data dari sensor dikirim • Tidak bisa mendeteksi
based Automated Tomato Watering Savina, Lira Sumatera Utara, ke telegram melalui bot hujan
System Using ESP8266 Nata, Zul Mahadi Medan, Indonesia • Menggunakan LCD • Membutuhkan jaringan
(Nurhasanah et al., 2021) Zulkhair, Ilham untuk menampilkan data internet
dari sensor
4 Automatic IoT Based Plant k, Anusha Sri 2018 • Menggunakan sensor • Masih menggunakan
Monitoring and Watering System Mahadevaswamy, U B Jayachamarajendra cahaya, inframerah, dan Raspberry Pi versi 2
College of humiditas

24
using Raspberry Pi (k & Engineering, • Dapat mendeteksi • Tidak menggunakan

Mahadevaswamy, 2018) Karnataka, India penyusup yang masuk algoritma Fuzzy atau
kedalam lahan algoritma pengambil
• Hasil sensor dapat keputusan lain
dilihat diwebsite
5 The design and evaluation of an Rohadi, E. State Polytechnic 2019 • Sudah menggunakan • Hanya untuk satu jenis
automatic watering system by using Amalia, A. of Malang, fuzzy mamdani untuk tanaman saja
Fuzzy Mamdani (Rohadi et al., Nidianingsih, A. Indonesia pengambilan keputusan • Masih menggunakan
2019) Arief, S. N. • Data dari sensor raspberry pi versi lama
Ariyanto, R. kelembapan tanah dan
Wibowo, D. W. suhu disimpan kedalam
website
6 Implementasi Fuzzy Inference Vieri, Kahfi Del Universitas Islam 2021
System Pada Sistem Penyiram Negeri Syarif
Tanaman Otomatis Mesin Paralel Hidayatullah
Jakarta

25
Tabel 3.2 Perbedaan Penelitian
No. Nama Peneliti / Tahun Judul Publikasi Input / Sensor Single Board Konverter Support Algoritma
Sensor Sensor Sensor Computer Analog ke untuk dua Fuzzy
Kelembapan Suhu Hujan Digital penyiraman
Tanah MCP3008 parallel
1 Bhardwaj, Swapnil Automatic Plant
Dhir, Saru Watering System using
✓ - - - - - -
Hooda, Madhurima / IoT (Bhardwaj et al.,
2018 2018)
2 Bin Ismail, Muhammad IoT Implementation for
Ikhwan Hanif Indoor Vertical Farming
✓ - - - - ✓ -
Thamrin, Norashikin M. Watering System (Bin
/ 2018 Ismail & Thamrin, 2018)
3 Nurhasanah, Rossy Design and
Savina, Lira Implementation of IoT
Nata, Zul Mahadi based Automated Tomato
✓ ✓ - - - - -
Zulkhair, Ilham / 2021 Watering System Using
ESP8266 (Nurhasanah et
al., 2021)
4 k, Anusha Automatic IoT Based
Mahadevaswamy, U B / Plant Monitoring and
Raspberry Pi 2
2018 Watering System using ✓ ✓ - - - -
Model B
Raspberry Pi (k &
Mahadevaswamy, 2018)
5 Rohadi, E. The design and Raspberry Pi
✓ ✓ - - - ✓
Amalia, A. evaluation of an Model B+

26
Nidianingsih, A. automatic watering

Arief, S. N. system by using Fuzzy
Ariyanto, R. Mamdani (Rohadi et al.,
Wibowo, D. W. / 2018 2019)
6 Vieri, Kahfi Del / 2021 Implementasi Fuzzy
Inference System Pada
Raspberry Pi 3
Sistem Penyiram ✓ ✓ ✓ ✓ ✓ ✓
Model B+
Tanaman Otomatis Mesin
Paralel

27
3.2 Metode Pengembangan Sistem dengan Prototipe

Dalam melakukan pengembangan sistem di penelitian ini digunakan metode
pengembangan sistem prototipe. Dikarenakan sejalan dengan (Pressman & Maxim,
2014) bahwa metode prototipe sesuai dengan keperluan pengembang sistem yang
belum yakin dengan efisiensi dari algoritma yang digunakan dalam sebuah sistem,
Dimana penulis ingin mengetahui performa algoritma fuzzy logic dalam melakukan
penyiraman terhadap tanaman.
Menurut (Pressman & Maxim, 2014) tahapan pembangunan sistem dengan
menggunakan metode prototipe dimulai dengan tahapan komunikasi
(communication) yaitu bertujuan menentukan tujuan dari keseluruhan perangkat
lalu mengidentifikasi persyaratan dengan perencanaan cepat (quick plan) mengenai
apa saja yang dibutuhkan. Selanjutnya pemodelan cepat (modelling quick design)
untuk prototipe yang akan dibangun (construction of prototype) dan dilanjutkan
dengan proses evaluasi (deployment delivery and feedback) yang dilakukan setelah
sistem diuji coba dan ditentukan apakah sudah memenuhi apa yang telah
direncanakan, jika tidak maka kembali ke tahap awal yaitu komunikasi, begitu
seterusnya sampai semua terpenuhi (Pressman & Maxim, 2014). Berikut ini
merupakan penjelasan lengkap tahapan yang penulis lakukan berdasarkan
penjelasan diatas.
3.2.1 Komunikasi
Paradigma prototyping dimulai dengan komunikasi dengan cara
mencari informasi mengenai penelitian yang akan dilakukan, melalui berita
online, laporan lembaga, jurnal maupun skirpsi tentang sistem penyiram
tanaman otomatis, yang akan menjadi pertimbangan dalam menentukan
komponen, tools dan teori yang akan digunakan, observasi langsung ke
kebun agribisnis dan kemudian dikomunikasikan kepada dosen
pembimbing untuk menentukan perencanaan.
3.2.2 Perencanaan Cepat

28
Pada tahap perencanaan, penulis melakukan analisis kebutuhan apa

saja yang didapatkan dari tahap sebelumnya. Perencanaan meliputi analisis
terhadap metode, algoritma, perangkat keras dan perangkat lunak yang akan
digunakan. Analisis yang dilakukan pada tahap ini adalah analisis
konstruksi pada kebun agribisnis, analisis sistem berjalan, analisis sistem
usulan, analisis fungsional sistem, analisis kebutuhan perangkat keras,
analisis kebutuhan perangkat lunak.
Pada tahap ini ditentukan bahwa penelitian akan menggunakan
sistem Raspberry Pi 3 model B+. Dipilihnya Raspberry Pi dikarenakan
studi literatur yang sudah ada didapatkan bahwa sistem ini dapat dilakukan
di Raspberry Pi, versi 3 model B+ dipilih karena merupakan versi upgrade
dari raspberry pi 3 model B yang tentu saja sudah mengalami peningkatan
terutama di kemampuan komputasi.
MCP3008 juga digunakan didalam penelitian ini dikarenakan sinyal
analog pada sensor kelembapan tanah dan sensor hujan harus diubah
menjadi sinyal digital agar dapat diterima oleh raspberry pi dan dapat
dihitung menggunakan algoritma fuzzy logic.
Penggunaan sensor kelembapan tanah, sensor suhu, dan sensor hujan
sebagai input diperlukan untuk sistem ini. Data dari ketiga sensor ini akan
dikalkukasikan untuk menentukan apakah penyiraman perlu dilakukan atau
tidak menggunakan fuzzy logic.
Fuzzy logic dipilih sebagai algoritma pengambil keputusan karena
fuzzy logic memiliki cara kerja yang mirip seperti pemikiran manusia untuk
mengambil keputusan sehingga penyiraman menjadi lebih akurat. Metode
sugeno dipilih karena berdasarkan studi literatur, metode sugeno memiliki
tingkat akurasi yang lebih tinggi dari metode mamdani atau Tsukamoto.
3.2.3 Pemodelan Cepat

Pada tahap ini penulis membuat model skematik sistem dengan
menggabungkan semua sensor dan aktuator. Pembuatan ini dimulai dari
perancangan kemasan, pembuatan skematik dengan sensor kelembapan

29
tanah, pembuatan skematik dengan sensor suhu, dan terakhir pembuatan

skematik dengan sensor hujan, pembuatan skematik dengan relay dan valve
solenoid.
3.2.4 Konstruksi
Pada tahap ini akan dilakukan konstruksi pada raspberry pi 3 yang
akan disambungkan dengan sensor kelembapan tanah, suhu, dan hujan dan
akan dihubungkan dengan valve solenoid untuk buka tutup keran air. Pada
tahap ini juga dibuat fuzzy logic dengan ketiga parameter sensor untuk
diterapkan kedalam sistem. Hasil grafik dari fuzzy logic juga akan dilihat
untuk mengetahui detail nilai output fuzzy.
3.2.5 Evaluasi
Pada tahap ini, pengujian dilakukan menggunakan black box testing,
yang bertujuan untuk mengetahui kesesuaian logika fuzzy dan fungsional
sistem. Black box testing yang akan digunakan adalah penghujian logika
fuzzy dan pengujian output valve.
3.3 Alur Penelitian

Sistem penyiram tanaman otomatis menggunakan fuzzy inference system
berbasis raspberry pi 3 disusun melalui beberapa tahapan yang dilakukan untuk
memudahkan proses penelitian. Alur tahapan metode yang digunakan dalan
penelitian ini dapat dilihat pada gambar 3.1.

30
Gambar 3.1 Kerangka Berpikir
Untuk perancangan komponen yang dibutuhkan, dibuat sebuah blok

diagram yang menjelaskan hubungan antar komponen didalam sistem. Semua
sensor yaitu sensor kelembapan tanah, suhu, dan hujan akan langsung terhubung ke
raspberry pi 3 dan dilakukan komputasi dimesin tersebut. Hasil komputasi
digunakan untuk menentukan kondisi menyala atau mati dari valve solenoid. Arus
pada valve solenoid tidak bisa menggunakan arus yang berasal dari raspberry pi
sehingga dibutuhkan sumber arus lain dan untuk kontrol hidup dan mati arus
tersebut digunakan relay.

31
Gambar 3.2 Blok Diagram
Pada pembuatan fuzzy, langkah yang diperlukan adalah yang pertama

menentukan batasan dari himpunan input fuzzy. Batasan ini dapat diambil dari
batasan input sensor. Untuk menentukan grafik atau fungsi keanggotaan, dapat
dilakukan dengan komunikasi dengan pakar yang bekerja dikebun agribisnis. Selain
dengan cara ini, dapat juga digunakan dengan pengecekkan hasil sensor dengan
kondisi real pada kebun. Berikutnya adalah menentukan aturan inferensi fuzzy, cara
yang digunakan dalam penentuan aturan ini adalah penyiraman dilakukan apabila
kondisi tanah kering, tidak hujan, dan suhu sedang atau kondisi tanah kering, tidak
hujan, dan suhu panas. Kondisi selain itu maka penyiraman tidak dilakukan.
Terakhir adalah melakukan defuzzyfikasi dengan menggunakan metode sugeno dan
menggunakan rumus weighted average. Hasil dari fuzzy kemudian dapat dilihat
didalam matlab, dan siap diimplementasikan kedalam bentuk kode didalam
raspberry pi.

32
Gambar 3.3 Alur Konstruksi Logika Fuzzy

33
BAB 4
ANALSIS, PERANCANGAN SISTEM, IMPLEMENTASI DAN
PENGUJIAN SISTEM
Pada bab ini akan dibahas secara lengkap mengenai analisis, perancangan
sistem, implementasi, dan pengujian dari fuzzy inference system pada sistem
penyiram tanaman otomatis mesin paralel.
4.1 Tahap Komunikasi

Pada tahap komunikasi ini, penulis melakukan pengumpulan data,
pengumpulan data yang dimaksud adalah mencari dan mengumpulkan data yang
terkait dengan penelitian seperti dasar teori, metodologi penulisan, metodologi
proses, dan acuan penelitian sejenis. Dalam penelitian ini, metode pengumpulan
data yang dilakukan adalah observasi, studi pustaka dan studi literatur.
Pada tahapan ini, dilakukan diskusi langsung dengan dosen pembimbing
dan PLP kebun agribisnis untuk mengkonsultasikan data yang didapatkan dan
untuk mengetahui gambaran sistem yang diperlukan, untuk selanjutnya dijadikan
bahan pertimbangan dalam membangun sistem yang di butuhkan.
4.2 Perencanaan Cepat

Pada tahapan ini penulis melakukan perencanaan cepat setelah mendapatkan
data yang telah dikomunikasikan dengan dosen pembimbing dan melakukan
beberapa analisis sebagai berikut :
4.2.1 Ruang Lingkup

Ruang lingkup dari penelitian ini berlokasi di kebun agribisnis
Universitas Islam Negeri Syarif Hidayatullah Jakarta didalam ruang
greenhouse. Sistem penyiram tanaman yang diusulkan dapat menyiram
tanaman dengan dua penyiraman secara parallel berdasarkan masukkan dari
kelembapan tanah, suhu, dan pendeteksi hujan. Hasil keputusan penyiraman
akan terhubung ke relay untuk menyalakan atau memutus listrik yang

34
terhubung dengan valve untuk menyalakan air. Pengembangan dilakukan

berdasarkan pada hasil wawancara dengan melibatkan narasumber.
4.2.2 Analisis Konstruksi Alat pada Kebun Agribisnis

Berdasarkan hasil observasi, dapat ditetapkan bahwa konstruksi alat
pada kebun agribisnis sebagai berikut :
Gambar 4.1 Analisis Konstruksi Alat Pada Kebun Agribisnis

35
Gambar 4.2 Foto Kebun Agribisnis 1
Gambar 4.3 Foto Kebun Agribisnis 2
Didalam kebun terdapat delapan buah jalur yang masing-masing

jalur berisi berbagai tanaman. Penelitian ini menggunakan dua buah jalur
yang dimana untuk masing-masing jalur tersebut akan dipasang dua jenis
tanaman dengan karakteristik yang berbeda. Sensor kelembapan tanah akan
dipasang disalah satu tanaman untuk masing-masing jalur sebagai
perwakilan dari seluruh tanaman dijalur tersebut. Sensor suhu akan dipasang
dekat dengan alat penyiram tanaman dan sensor hujan akan dipasang diatas
pompa air.

36
4.2.3 Analisis Sistem Berjalan

Berdasarkan hasil observasi, sistem yang sedang berjalan pada
kebun agribisnis dapat dilihat pada gambar 4.4:
Gambar 4.4 Analisis Sistem Berjalan
Dari observasi yang sudah dilakukan, sistem penyiraman yang

sedang berjalan yang berjalan didalam kebun agribisnis adalah pengurus
kebun akan menyiram tanaman berdasarkan waktu penyiraman. Waktu
penyiraman biasa dilakukan saat pagi dan sore hari. Kuantitas air yang
disiram juga tidak presisi karena tanaman disiram berdasarkan perkiraan
cukup atau tidak.
4.2.4 Analisis Sistem Usulan

Pada penelitian ini kemudian disimpulkan bahwa penyiraman yang
berjalan saat ini tidak efektif dikarenakan penyiraman yang belum presisi
dan masih mengandalkan manusia untuk melakukan penyiraman sehingga
dapat terjadi potensi tanaman tidak disiram ketika sedang tidak bekerja
dikebun atau faktor lupa. Sebagai salah satu solusi dari permasalahan
tersebut diusulkan sebuah sistem penyiram tanaman menggunakan fuzzy
logic berbasis raspberry pi 3. Berikut adalah usulan sistem dapat dilihat
pada gambar 4.5.

37
Gambar 4.5 Analisis Sistem Usulan
Gambar 4.5 menunjukkan penyiraman dilakukan berdasarkan tiga

buah faktor penentu yaitu kelembapan tanah dari tanaman tersebut, suhu
ruangan, dan curah hujan. Ketika perhitungan dari ketiga faktor itu
menentukan untuk penyiraman dilakukan maka valve solenoid akan
mengalirkan air ke jalur tanaman tersebut.
4.2.5 Analisis Kebutuhan Fungsional Sistem

Analisis kebutuhan Fungisonal sistem dilakukan dengan mengambar
Data flow diagram untuk memahami alur data dan flowchart untuk
mengetahui keseluruhan fungsional sehingga peneliti mendapat gambaran
mengenai sistem yang akan berjalan secara lebih terperinci, yang akan
mempermudah dalam proses pembangunan sistem nantinya, berikut
gambaran dari sistem yang akan dibentuk :

38
Gambar 4.6 Konteks Diagram/Data Flow Diagram Level 0
Pada gambar 4.6 menunjukan data melalui masukan eksternal yang

masuk ke dalam proses sistem penyiram tanaman Raspberry Pi 3, data
berasal dari empat input eksternal yaitu sensor kelembapan tanah 1, sensor
kelembapan tanah 2, sensor suhu, dan sensor hujan. Setelah sistem
menerimanya, data tersebut diolah hingga menghasilkan data output menuju
valve solenoid 1 dan valve solenoid 2.
Data flow diagram level 1 kemudian dibuat untuk lebih
menggambarkan secara detail perpindahan data yang terjadi antar
komponen , dan proses-proses apa saja yang akan dilakukan terhadap data-
data yang terbentuk, dari data flow diagram level 1 sudah bisa terlihat
macam-macam fungsionalitas alat, berikut gambar 4.6 data flow diagram
level 1.

39
Gambar 4.7 Data Flow Diagram Level 1
Pada gambar diatas, proses dimulai dari pengambilan hasil sensor

pada sensor kelembapan tanah, sensor suhu, dan sensor hujan. Sensor
kelembapan tanah dan sensor hujan masuk ke tahap 1 yaitu perubahan sinyal
analog menjadi sinyal digital yang akan ditangkap oleh raspberry pi
menggunakan MCP3008 untuk perubahan sinyalnya. Setelah itu masuk ke
proses 2 dimana hasil semua sensor tersebut diolah kedalam bentuk nilai
keanggotaan fuzzy. Tahap 3 adalah tahap inferensi menggunakan fungsi

40
MIN yang akan dilakukan terhadap nilai keanggotaan fuzzy. Jumlah

inferensi ini bergantung kepada jumlah aturan fuzzy yang dibuat. Tahap 4
adalah proses defuzzyfikasi menggunakan metode sugeno dengan rumus
weighted average. Hasil dari perhitungan fuzzy dan input sensor kemudian
disimpan kedalam file data penyiraman dan hasil defuzzyfikasi tersebut juga
digunakan untuk menentukan penyiraman tanaman yang akan disiram.
Proses ini dilakukan secara berulang ulang hingga sistem tersebut di
nonaktifkan.
Untuk menggambarkan sistem saat sedang berjalan maka digunakan
flowchart. Flowchart berikut merupakan flowchart yang menggambarkan
cara kerja untuk satu buah jalur. Jalur yang kedua memiliki model flowchart
yang sama. Untuk menghitung fuzzy satu buah jalur akan membutuhkan satu
buah sensor kelembapan tanah yang terhubung ke salah satu tanaman dijalur
tersebut, sensor suhu, dan sensor hujan. Untuk satu buah sensor suhu dan
sensor hujan dapat digunakan untuk kedua jalur sehingga tidak
membutuhkan dua buah untuk masing-masing sensor. Flowchart dapat
dilihat pada gambar 4.8 berikut :

41
Gambar 4.8 Flowchart
4.2.6 Analisis Kebutuhan Perangkat Keras

Dalam membangun sistem ini juga diperlukan Perangkat keras atau
hardware, dipilihnya perangkat keras berikut setelah melakukan

42
pertimbangan kebutuhan fungsional sistem dan studi literatur yang sudah

dilakukan, berikut perangkat keras yang dibutuhkan :
Tabel 4.1 Analisis Kebutuhan Perangkat Keras
No. Komponen Jumlah Kegunaan

1. Raspberry Pi 1 Sebagai pemrosesan alat utama, pusat
3 Model B+ pengumpulan data inputan, dan
dilakukanya pemerosesan logika fuzzy.
2. Micro SD 1 Sebagai tempat penyimpanan pada
Card 16 Gb raspberryi pi 3.
3. Kipas 2 Sebagai pendingin Raspberry Pi agar
performa terjaga
4. Breadboard 1 Sebagai penghubung dari kabel-kabel
mini sebelum terhubung ke raspberry pi dan
sensor-sensor
5. Sensor 2 Sebagai inputan untuk mengetahui
kelembapan perkiraan kelembapan tanah suatu
tanah tanaman
6. Sensor suhu 1 Sebagai inputan yang mampu
DHT-22 mengetahui perkiraan suhu dan
kelembaban
7. Sensor hujan 1 Sebagai inputan yang mampu mendeteksi
adanya hujan
8. MCP3008 1 Sebagai converter dari analog ke digital
agar dapat dibaca oleh raspberry pi
9. Modul Relay 2 Sebagai saklar arus listrik yang
220V terhubung ke arus di valve solenoid
10. Resistor 10k 1 Sebagai pengaman arus listrik untuk
Ohm rangkaian sensor suhu

43
11. Valve 2 Sebagai keran untuk menyiram tanaman

Solenoid
12. Power 1 Sebagai pasokan daya untuk raspberry pi
Adapter
13. Adaptor 12V 2 Sebagai pasokan daya untuk valve
2A solenoid
14. Adaptor 12V 1 Sebagai pasokan daya untuk kipas
1A
15. Jack DC 2 Sebagai penghubung dari adaptor ke
Female kabel
16. Skun socket 4 Sebagai penghubung dari kabel ke valve
connector solenoid
17. Connector 4 Sebagai penghubung dari valve solenoid
selang 16mm ke selang air yang berukuran 16mm
4.2.7 Analisis Kebutuhan Perangkat Lunak

Selain perangkat keras yang sudah di sebutkan, dibutuhkan juga
perangkat lunak untuk mendukung kinerja perangkat keras agar berjalan
sesuai dengan yang diharapkan. Berikut perangkat lunak yang dibutuhkan
dalam pembuatan fuzzy inference system pada sistem penyiram tanaman
otomatis mesin paralel :
Tabel 4.2 Analisis Kebutuhan Perangkat Lunak
No. Perangkat Lunak Kegunaan

1. Thonny Python IDE Digunakan untuk menulis kode program
yang ditulis kedalam Bahasa python
2. Text Editor Digunakan untuk melihat dan mengambil
data dari file csv yang berisi log yang telah
berjalan

44
3. Fritzing Digunakan dalam membuat skema

komponen
4. diagrams.net Digunakan untuk membuat diagram
5. Matlab Digunakan untuk memvisualisasikan hasil
fuzzy yang telah dibuat.
6. Visio Digunakan untuk membuat diagram
4.3 Pemodelan Cepat

Sistem ini memiliki input berupa dua buah sensor kelembapan tanah, sensor
hujan, dan sensor suhu. Sensor kelembapan tanah dan sensor hujan terhubung ke
MCP3008 karena output dari sensor tersebut berupa sinyal analog sehingga harus
dirubah terlebih dahulu ke digital agar dapat dibaca oleh raspberry pi. Sensor suhu
mengeluarkan output berupa sinyal digital sehingga dapat langsung dipasang ke
raspberry pi. Hasil dari sensor tersebut kemudian diproses oleh fuzzy logic
menggunakan inferensi sugeno. Perhitungan fuzzy dilakukan dua kali dalam satu
buah cycle, ini karena masing-masing perhitungan fuzzy akan terhubung ke masing-
masing relay. Untuk relay pertama, fuzzy-nya akan menggunakan input dari sensor
kelembapan tanah satu, sensor suhu, dan sensor hujan sedangkan untuk relay kedua
fuzzy-nya akan menggunakan input dari sensor kelembapan tanah dua, sensor suhu,
dan sensor hujan. Ketika hasil fuzzy menentukan bahwa relay akan dibuka, maka
valve yang terhubung ke relay tersebut juga akan terbuka dan tanaman akan
tersiram. Power supply juga harus terhubung ke raspberry pi agar alat tersebut
dapat tetap menyala. Sumber tenaga dari valve akan terhubung ke adaptor dua belas
volt dua ampere yang akan diatur nyala matinya oleh relay.
Selanjutnya akan dilakukan perencanaan pemasangan perangkat pada
Raspberry Pi 3 model B+.
4.3.1 Kemasan
Desain perancangan kemasan dilakukan pada alat yang sudah
direncanakan, berikut rancangan kemasan dari tiap-tiap alat :

45
Gambar 4.9 Desain Perancangan Kemasan
Berikut penjelasan mengnai lubang-lubang dan bagian dari kemasan

yang akan dibuat :
1. Bagian depan dari kemasan atau tutup kemasan, empat buah
lubang di masing-masing sudut adalah lubang untuk
memasukkan baut untuk mengencangkan tutup agar tidak
mudah lepas.
2. Bagian belakang dari kemasan.
3. Bagian kanan dari kemasan.
4. Bagian kiri dari kemasan.
5. Bagian bawah dari kemasan.
6. Bagian atas dari kemasan.
7. Lubang untuk input sumber daya kedalam raspberry pi.
8. Lubang untuk semua kabel input maupun output yang terhubung
ke raspberry pi dan ke breadboard.
9. Lubang intake untuk udara masuk, diatas lubang ini akan
dipasang kipas intake.
10. Lubang exhaust untuk udara keluar, diatas lubang ini akan
dipasang kipas exhaust.
4.3.2 Skematik Sistem dengan Sensor Kelembapan Tanah

46
Dalam skematik penelitian ini akan menjelaskan bagaimana

Raspberry Pi terhubung dengan sensor kelembapan tanah. Gambar 4.11
adalah bentuk skematik sistem Raspberry Pi dengan sensor kelembapan
tanah.
Gambar 4.10 Skematik Sistem dengan Sensor Kelembapan Tanah
Rangkaian ini menggunakan dua buah sensor kelembapan tanah

yang mana kedua sensor ini terhubung ke MCP3008 untuk dirubah dari
sinyal analog ke digital. Sensor kelembapan disebelah kiri merupakan
sensor kelembapan tanah satu yang akan dipasang dijalur satu dan sensor
kelembapan tanah disebelah kanan merupakan sensor kelembapan tanah dua
yang dipasang dijalur dua.
4.3.3 Skematik Sistem dengan Sensor Hujan

Raspberry Pi terhubung dengan sensor hujan. Gambar 4.12 adalah bentuk
skematik sistem Raspberry Pi dengan sensor hujan.

47
Gambar 4.11 Skematik Sistem dengan Sensor Hujan
Rangkaian sensor hujan juga terhubung dengan MCP3008 karena

output dari sensor hujan yang dipakai adalah sinyal analog sehingga harus
diubah ke digital oleh MCP3008.
4.3.4 Skematik Sistem dengan Sensor Suhu DHT22

Raspberry Pi terhubung dengan sensor suhu. Gambar 4.13 adalah bentuk
skematik sistem Raspberry Pi dengan sensor suhu.

48
Gambar 4.12 Skematik Sistem dengan Sensor Suhu DHT22
Rangkaian sensor suhu ini akan langsung terhubung ke raspberry

karena output dari sensor suhu sudah dalam bentuk digital. Pin VCC dan pin
output juga harus disambungkan dengan resistor 10k ohm sebagai
pengaman arus listrik.
4.3.5 Skematik Sistem dengan Relay dan Valve Solenoid

Raspberry Pi terhubung dengan relay dan valve solenoid. Gambar 4.14
adalah bentuk skematik sistem Raspberry Pi dengan relay dan valve
solenoid.

49
Gambar 4.13 Skematik Sistem dengan Relay dan Valve Solenoid
Relay yang terhubung ke raspberry pi dengan kabel warna kuning

merupakan relay satu yang terhubung ke valve solenoid satu. Output dari
relay ini berhubungan dengan sensor kelembapan tanah satu. Sedangkan
untuk relay yang terhubung ke raspberry pi dengan kabel berwarna orange
merupakan relay dua yang terhubung ke valve solenoid dua. Output dari
relay ini berhubungan dengan sensor kelembapan tanah dua.
4.3.6 Tampilan Rangkaian Alat Penyiram Tanaman Otomatis

Skematik ini untuk melihat detail dari keseluruhan rangkaian yang
digunakan serta semua jalur kabel yang terhubung. Gambar 4.16 adalah
bentuk skematik sistem penyiram tanaman otomatis dengan raspberry pi 3.

50
Gambar 4.14 Rangkaian Alat Penyiram Tanaman Otomatis
Setelah seluruh pin dihubungkan, kemudian dilakukan packaging

untuk perangkat utama dan perangkat pendukung, perangkat utama dari
raspberry pi 3, breadboard, dan relay diletakkan di dalam project box dan
dipasang didekat sumber listrik. Dan perangkat pendukung berupa sensor
kelembapan tanah, sensor suhu, dan sensor hujan akan diletakkan diluar dari
project box. Sensor kelembapan tanah akan dipasang disalah satu tanaman
dan ditancapkan kedalam tanahnya. Sensor suhu akan dipasang didepan

51
kotak dari alat. Dan sensor hujan akan dipasang ditempat dimana dapat
tersiram air hujan atau air yang turun dari atas. Berikut adalah tampilan alat
yang telah dirangkai.
Gambar 4.15 Alat Penyiram Tanaman Otomatis
4.4 Kontruksi
Konstruksi dilakukan setelah Perangkat keras terbentuk. Pengkodean
dilakukan pada Raspberry pi untuk menjalankan algoritma fuzzy dan memenuhi
kebutuhan fungsionalitas yang telah ditetapkan pada proses perencanaan. Berikut
ini adalah langkah-langkah pada tahapan konstruksi.
4.4.1 Pengkodean Raspberry Pi dengan Input Sensor

Langkah pertama adalah dengan mengaktifkan SPI didalam
raspberry pi. SPI atau Serial Peripheral Interface adalah protokol yang
digunakan oleh raspberry pi untuk transfer data antara raspberry pi dengan
perangkat lain yang dalam kasus ini adalah MCP3008. Pertama buka
Raspberry Pi Configuration dengan cara klik Menu lalu klik Preferences
dan klik Raspberry Pi Configuration. Pada SPI klik Enable.

52
Gambar 4.16 Tampilan Home
Gambar 4.17 Tampilan Raspberry Pi Configuration
Berikutnya adalah menulis kode python kedalam raspberry pi

menggunakan Thonny Python IDE. Berikut adalah kode untuk deklarasi dan
input dari sensor yang digunakan.

53
Gambar 4.18 Kode Deklarasi Dan Input Dari Sensor 1
Gambar 4.19 Kode Deklarasi Dan Input Dari Sensor 2
Berikutnya adalah kita akan membuat kode didalam fungsi utama

yang akan dijalankan. Kode didalam fungsi ini akan di looping terus
menerus agar alat tetap berjalan tanpa henti. Berikut adalah kode yang
digunakan.

54
Gambar 4.20 Kode Dalam Looping Dan Fungsi Utama
4.4.2 Pengkodean Fuzzy Logic dengan Metode Sugeno

Berikut merupakan tahapan-tahapan kode untuk
mengimplementasikan dua buah Fuzzy logic menggunakan metode sugeno.
Yang terdiri dari 4 tahapan yaitu:
1. Pembentukan himpunan fuzzy
Terdapat empat variabel masukkan pada penelitian ini, yaitu
sensor kelembapan tanah satu, sensor kelembapan tanah dua,
sensor suhu, dan sensor hujan. Fuzzy pertama menggunakan
sensor kelembapan tanah satu, sensor suhu, dan sensor hujan
sedangkan fuzzy kedua menggunakan sensor kelembapan tanah
dua, sensor suhu, dan sensor hujan. Setiap variabel input
selanjutnya dibagi menjadi dua atau tiga himpunan fuzzy.
Himpunan kabur digunakan untuk mewakili kondisi dalam suatu
variabel fuzzy. Dari setiap himpunan kabur yang terbentuk
masing-masing mempunyai domain yang nilainya terdapat
dalam semesta pembicaraan dan boleh dioperasikan dalam suatu
himpunan kabur. Berikut tabel semesta pembicaraan himpunan
fuzzy.

55
Tabel 4.3 Himpunan Fuzzy
Fungsi Nama Nama Semesta Domain

Variabel Himpunan Pembicara-
Fuzzy an
Input Tanah Kering [0, 67]
[0, 100]
satu Basah [33, 100]
Tanah Kering [0, 67]
[0, 100]
dua Basah [33, 100]
Hujan Tidak Hujan [0, 67]
[0, 100]
Hujan [33, 100]
Suhu Dingin [−40, 25]
Sedang [−40, 125] [20, 35]
Panas [30, 125]
Output Valve Tutup [0, 0.5]
[0, 1]
satu Buka (0.5, 1]
Valve Tutup [0, 0.5]
[0, 1]
dua Buka (0.5, 1]
Setelah pembentukan himpunan fuzzy, maka dibuatlah fungsi

keanggotaan. Fungsi keanggotaan merupakan pemetaan titik
input data dalam himpunan fuzzy ke dalam nilai atau derajat
keanggotaannya yang memiliki interval dari 0 hingga 1. Pada
penelitian ini fugsi keanggotaan didapatkan melalui pendekatan
fungsi. Fungsi yang digunakan yaitu melalui representasi bentuk
trapesium.

56
Gambar 4.21 Fungsi Keanggotaan Sensor Kelembapan Tanah
Gambar 4.22 Fungsi Keanggotaan Sensor Hujan
Gambar 4.23 Fungsi Keanggotaan Sensor Suhu
Berdasarkan tabel 4.3, variabel sensor kelembapan tanah dan

sensor hujan terbagi menjadi dua himpunan fuzzy, yaitu kering
dan lembab kemudian tidak hujan dan hujan. Sedangkan untuk
sensor suhu terbagi menjadi tiga himpunan fuzzy yaitu dingin,

57
sedang, dan panas. Untuk mempresentasikan variabel kering

pada sensor kelembapan tanah dan tidak hujan untuk sensor
hujan, digunakan kurva berbentuk bahu kiri. Untuk variabel
basah pada sensor kelembapan tanah dan hujan untuk sensor
hujan, digunakan kurva berbentuk bahu kanan. Sumbu x
merupakan nilai input dengan satuan persentase untuk variabel
tanah satu, tanah dua, dan hujan. Sedangkan µ(x) merupakan nilai
derajat keanggotaan dari nilai input. Pada sensor suhu,
digunakan kurva berbentuk bahu kiri untuk variabel dingin,
kurva trapesium untuk variabel sedang, dan kurva bahu kanan
untuk variabel panas. Sumbu x°C merupakan nilai input dengan
satuan derajat Celsius untuk variabel suhu, sedangkan µ(x°C)
merupakan nilai derajat keanggotaan dari nilai input sensor
suhu.
2. Aplikasi Fungsi Implikasi

Aplikasi fungsi implikasi menggunakan fungsi MIN. Pada
kodingan terdapat pada fungsi tahap inferensi.
3. Komposisi Aturan
Pada tahap ini akan dibuat aturan fuzzy. Pembuatan aturan fuzzy
dalam menentukan output berdasarkan variabel tanah satu atau
dua, suhu, dan hujan menggunakan metode Sugeno. Aturan ini
dibuat untuk menyatakan relasi antara input dan output,
sehingga dapat dibentuk menjadi 12 kombinasi aturan.
Pembentukan aturan dihasilkan dari kombinasi tiap kondisi
tersebut yang dikenal dengan aturan keputusan. Dengan
memperhatikan fungsi MIN, yaitu mengambil nilai minimal dari
kedua inputan. Setiap aturan terdiri dari 3 anteseden dengan
operator yang digunakan untuk menghubungkan adalah operator
DAN sedangkan yang memetakan antara input dan output adalah

58
JIKA MAKA. Komposisi aturan ini dibuat dua buah untuk

masing-masing output, dimana kedua komposisi ini memiliki
aturan yang sama untuk output satu untuk valve satu maupun
output dua untuk valve dua. Berikut adalah tabel komposisi
aturan untuk kedua output :
Tabel 4.4 Komposisi Aturan Fuzzy
No Suhu Tanah Hujan Output

R1 Jika Dingin Dan Kering Dan Tidak Hujan Maka Tutup
R2 Jika Dingin Dan Kering Dan Hujan Maka Tutup
R3 Jika Dingin Dan Basah Dan Tidak Hujan Maka Tutup
R4 Jika Dingin Dan Basah Dan Hujan Maka Tutup
R5 Jika Sedang Dan Kering Dan Tidak Hujan Maka Buka
R6 Jika Sedang Dan Kering Dan Hujan Maka Tutup
R7 Jika Sedang Dan Basah Dan Tidak Hujan Maka Tutup
R8 Jika Sedang Dan Basah Dan Hujan Maka Tutup
R9 Jika Panas Dan Kering Dan Tidak Hujan Maka Buka
R10 Jika Panas Dan Kering Dan Hujan Maka Tutup
R11 Jika Panas Dan Basah Dan Tidak Hujan Maka Tutup
R12 Jika Panas Dan Basah Dan Hujan Maka Tutup
4. Defuzzyfikasi
Metode yang digunakan untuk defuzzyfikasi yaitu weighted
average, yang menghitung rata-rata dari semua inputan. Pada
kodingan disajikan pada tahap defuzzifikasi.

59
Gambar 4.24 Deklarasi Variabel Fuzzy
Gambar 4.25 Fuzzyfikasi Sensor Suhu

60
Gambar 4.26 Fuzzyfikasi Sensor Kelembapan Tanah
Gambar 4.27 Fuzzyfikasi Sensor Hujan
Gambar 4.28 Inferensi Fuzzy

61
Gambar 4.29 Defuzzyfikasi
Setelah melalui proses pembuatan fuzzy logic tersebut. Didapat hasil

dari grafik inference fuzzy pada sensor tanah, hujan, suhu terhadap output
fuzzy tersebut. Grafik ini dibuat menggunakan matlab dengan tools GUI
yang terdapat pada matlab. Grafik akan dibagi menjadi 3 buah grafik
dikarenakan untuk memodelkan menjadi grafik tiga dimensi diharuskan
hanya terdapat dua parameter input dan satu parameter output, sedangkan
pada pengujian ini terdapat tiga buah parameter input. Maka untuk dapat
memvisualisasikan fuzzy menjadi grafik tiga dimensi, tiga input tersebut
kemudian dipecah menjadi tiga buah skenario dengan masing-masing
memiliki dua buah parameter input dan satu buah parameter output. Ketiga
skenario tersebut adalah sensor kelembapan tanah dan sensor hujan terhadap
output valve, sensor kelembapan tanah dan sensor suhu terhadap output
valve, dan terakhir sensor suhu dan sensor hujan terhadap output valve.
Gambar 4.30 Grafik Hasil Fuzzy Sensor Hujan Dan Sensor Kelembapan Tanah

62
Grafik diatas adalah grafik hubungan antara sensor hujan dan sensor
kelembapan tanah dengan asumsi suhu berada pada suhu ruangan 25 derajat
celcius. Dapat dilihat bahwa semakin rendah sensor tanah dan sensor hujan
maka semakin tinggi nilai fuzzy yang dikeluarkan.
Gambar 4.31 Grafik Hasil Fuzzy Sensor Suhu Dan Sensor Kelembapan Tanah
Grafik diatas adalah grafik hubungan antara sensor suhu dan sensor
kelembapan tanah dengan asumsi sensor hujan berada pada nilai 50%. Dapat
dilihat bahwa semakin rendah sensor tanah dan sensor suhu berada pada
suhu ruangan dan suhu tinggi maka output fuzzy semakin tinggi. Nilai output
bernilai maksimal 0.5 dikarenakan sensor hujan berada pada kondisi 50%.
Jika sensor hujan dibuat bernilai rendah yaitu antara 0% sampai 33% maka
bentuk grafik akan sama namun nilai maksimalnya adalah 1 dan bukan 0.5.
Gambar 4.32 Grafik Hasil Fuzzy Sensor Hujan Dan Sensor Suhu

63
Grafik diatas adalah grafik hubungan antara sensor suhu dan sensor
hujan dengan asumsi sensor kelembapan tanah berada pada nilai 50%.
Output dari grafik tersebut sama pada grafik diatas. Jika nilai dari sensor
kelembapan tanah diasumsikan berada pada 0% sampai 33% maka grafik
tersebut memiliki bentuk yang sama namun dengan nilai maksimum bernilai
1 dan bukan 0.5.
Berikutnya adalah membuat tabel inferensi fuzzy dengan
memasukkan angka angka yang menghasilkan nilai yang berada pada dekat
batas fuzzy untuk dapat melihat apakah penyiraman terjadi sesuai dengan
input fuzzy tersebut.
Tabel 4.5 Tabel Inferensi Fuzzy Sugeno Dari Sistem Penyiram Tanaman
No Tanah Hujan Suhu Output fuzzy

1 50 50 25 0.25
2 50.03 33 25 0.499
3 49.97 33 25 0.501
4 33 50.03 25 0.499
5 33 49.97 25 0.501
6 33 33 20 0
7 33 33 25 1
8 33 33 22.51 0.502
9 33 33 22.49 0.498
10 67 33 25 0
11 33 67 25 0
12 33 33 30 1
Berdasarkan hasil uji coba dari inferensi tersebut didapatkan bahwa

penyiraman akan dilakukan jika tanah kering, tidak hujan, dan suhu sedang
atau panas. Jika nilai berada ditengah tengah, maka ada beberapa kondisi
yang menyebabkan penyiraman. Misalnya adalah ketika tanah bernilai tidak

64
kering yaitu 33% kebawah, suhu sedang yaitu 25 keatas, maka faktor
penentunya adalah hujan, ketika hujan lebih dari 50% maka penyiraman
tidak dilakukan, jika kurang dari 50% maka penyiraman dilakukan. Contoh
lain adalah ketika tanah kering dan tidak hujan, maka yang menjadi faktor
penentunya adalah suhu, ketika suhu diatas 22.5 maka penyiraman
dilakukan, jika kurang dari 22.5 maka penyiraman tidak dilakukan. Dan
yang terakhir adalah ketika tidak hujan dan suhu berada pada suhu sedang
atau panas, maka faktor penentunya adalah tanah. Jika tanah bernilai diatas
50% maka penyiraman tidak dilakukan dan jika nilainya kurang dari 50%
maka penyiraman dilakukan.
4.5 Evaluasi dengan Black Box Testing

Setelah melakukan tahap pengkodean, peneliti melakukan pengujian
terhadap hasil implementasi sistem. pengujian yang akan dilakukan ialah pengujian
black box testing dalam uji hasil dari fuzzy dan uji kesesuaian output valve dari input
yang diberikan.
4.5.1 Pengujian Fuzzy Logic

Black box testing akan dilakukan pada fuzzy sugeno dengan
membandingkan output yang diharapkan terhadap output hasil uji
berdasarkan input case yang diberikan. Output yang diharapkan didapatkan
dengan menggunakan perhitungan manual sedangkan output hasil uji
didapat berdasarkan hasil komputasi dari raspberry pi.

65
Tabel 4.6 Testing Fuzzy pada Jalur 1
Uji Data Uji Output fuzzy 1 yang dihitung Output hasil uji fuzzy 1
ke Tanah 1 Suhu Hujan manual (sesuai rumus)
1 4.3988% 28.3549℃ 2.6392% 1 1
2 24.7311% 29.1198℃ 49.6578% 0.5100 0.5100
3 2.0527% 28.5252℃ 0.2932% 1 1
4 54.9364% 29.7111℃ 2.3460% 0.3548 0.3548
5 41.7399% 28.4981℃ 7.4291% 0.7429 0.7429
Tabel 4.7 Testing Fuzzy pada Jalur 2
Uji Data Uji Output fuzzy 2 yang dihituing Output hasil uji fuzzy 2
ke Tanah 2 Suhu Hujan manual (sesuai rumus)
1 2.6392% 28.3549℃ 2.6392% 1 1
2 54.4477% 29.1198℃ 49.6578% 0.2123 0.2123
3 59.2375% 28.5252℃ 0.2932% 0.2283 0.2283
4 3.4213% 29.7111℃ 2.3460% 1 1
5 54.8387% 28.4981℃ 7.4291% 0.3576 0.3576

66
Berdasarkan hasil testing pada jalur satu dan jalur dua, kelima hasil
tes yang diharapkan sudah bernilai sama dengan yang dihasilkan oleh
perhitungan oleh raspberry pi. Ini menunjukkan bahwa logika fuzzy dengan
metode sugeno yang berada pada raspberry pi tersebut telah sesuai dengan
yang diharapkan.
4.5.2 Pengujian Output Terhadap Input Berdasarkan Aturan Fuzzy

Testing ini dilakukan untuk melihat apakah input dari semua sensor
dapat menghasilkan output penyiraman yang sesuai. Input tanah akan dibagi
kedalam dua kategori yaitu kering dan basah. Input hujan dibagi kedalam
dua kategori yaitu tidak hujan dan hujan. Input suhu dibagi menjadi tiga
yaitu dingin, sedang, panas. Batasan-batasan pada kategori input ini dapat
dilihat pada tabel 4.3 pada pembahasan implementasi logika fuzzy. Input ini
akan dicocokkan kedalam tabel aturan fuzzy untuk menentukan nilai dari
output yang diharapkan. Output hasil uji didapatkan saat uji coba alat
dijalankan.

67
Tabel 4.8 Testing Output Valve pada Jalur 1
Uji Data Uji Output valve 1 yang Output hasil uji

ke Tanah 1 Suhu Hujan diharapkan valve 1
1 4.3% (Kering) 28.3℃ (Sedang) 2.6% (Tidak Hujan) Menyala Menyala
3 24.0% (Kering) 28.3℃ (Sedang) 52.9% (Hujan) Mati Mati
4 54.9% (Basah) 29.7℃ (Sedang) 2.3% (Tidak Hujan) Mati Mati
Tabel 4.9 Testing Output Valve pada Jalur 2
Uji Data Uji Output valve 2 yang Output hasil uji

ke Tanah 2 Suhu Hujan diharapkan valve 2
3 52.6% (Basah) 28.3℃ (Sedang) 52.9% (Hujan) Mati Mati

68
Berdasarkan hasil testing pada kedua jalur tersebut, output valve yang
diharapkan telah sesuai dengan yang dihasilkan oleh raspberry pi. Seperti ketika
tanah kering, cuaca tidak hujan, dan suhu sedang, valve menyala sesuai dengan
aturan fuzzy yang telah dibuat. Dari kelima testing yang dilakukan pada kedua jalur
tersebut. Semuanya menghasilkan hasil yang sesuai dengan yang diharapkan. Ini
menunjukkan bahwa alat ini sudah sesuai dengan yang dibutuhkan dan dapat
beroperasi dengan baik.

69
BAB 5
HASIL DAN PEMBAHASAN
5.1 Sistem Penyiram Tanaman Otomatis

Sistem penyiram tanaman otomatis yang telah dibangun berdasarkan
landasan teori dan dengan runtutan kerangka berfikir yang sudah dipaparkan pada
bab sebelumnya telah berhasil dijalankan, dapat disimpulkan bahwa sistem
penyiram tanaman otomatis ini berhasil mengimplementasikan logika fuzzy untuk
menentukan penyiraman tanaman. Sistem ini mampu menentukan penyiraman
berdasarkan kondisi kelembapan tanah, suhu disekitar alat, dan kondisi cuaca
apakah sedang hujan atau tidak. Dari ketiga jenis sensor tersebut kemudian dihitung
untuk menentukan apakah valve akan menyala atau mati. Sistem ini dapat
melakukan dua penyiraman secara parallel, dimana penyiraman yang pertama akan
menggunakan sensor kelembapan tanahnya sendiri yang dipasang pada jalur
tanaman tersebut. Untuk jalur tersebut, hasil perhitungan dengan logika fuzzy akan
menentukan kondisi menyala atau mati pada valve yang akan menyiram jalur
tersebut. Begitu pula untuk jalur kedua, dijalur ini dipasang sensor kelembapan
tanahnya sendiri dan hasil perhitungan fuzzy tersebut akan menentukan apakah
valve kedua yang menyiram jalur tersebut akan menyala atau mati.
5.2 Hasil Pengujian Fuzzy Logic

Hasil pengujian sistem dengan black box testing terhadap perhitungan fuzzy
logic untuk memastikan bahwa perhitungan yang dilakukan oleh raspberry pi sudah
sesuai dengan hasil yang diharapkan. Berdasarkan hasil pengujian pada sistem
penyiram tanaman otomatis, maka diperoleh hasil sebagai berikut :

70
Gambar 5.1 Hasil Pengujian Fuccy Logic
Gambar 5.1 menampilkan grafik dari data hasil uji perhitungan fuzzy dengan
metode sugeno yang dihasilkan raspberry pi dan dengan hasil yang diharapkan.
Terlihat pada hasil pengujian bahwasannya garis warna merah menutupi garis
berwarna biru dan garis berwarna hijau menutupi garis berwarna kuning yang
berarti bahwa output yang diharapkan dan hasil uji bernilai sama untuk jalur satu
maupun jalur dua. Output yang di harapkan diperoleh dengan cara menghitung
secara manual menggunakan fuzzy sugeno, sedangkan hasil uji di dapat dari hasil
pengujian sistem yang dihasilkan oleh raspberry pi. berdasarkan hasil pembahasan
tersebut maka diketahui bahwa logika fuzzy yang berada pada raspberry pi sudah
berjalan sesuai dengan yang diharapkan.
Pada hasil uji pertama kedua output menghasilkan nilai 1. Hal ini
dikarenakan pada uji jalur 1 nilai dari input sensor tanah dan sensor hujan bernilai
dibawah dari 33% yang menandakan bahwa nilai keanggotaan fuzzy bernilai 1 pada
variabel kering dan tidak hujan. Untuk suhu juga berada pada kondisi sedang yang
mana bernilai 1 untuk fungsi keanggotaan suhu sedang. Dari ketiga nilai
keanggotaan tersebut bernilai 1 maka dicari nilai terkecilnya yaitu tetap 1.
Kemudian dikali dengan nilai dari output buka valve karena pada aturan fuzzy suhu
sedang, tanah kering, dan tidak hujan outputnya adalah buka valve yang mana akan
dikali dengan 1. Dan setelah dihitung dengan weighted average didapat hasil kedua
fuzzy tersebut bernilai 1.

71
Pada uji kedua nilai dari hasil uji fuzzy jalur 1 lebih tinggi dari hasil uji fuzzy
jalur 2. Hal ini dikarenakan terdapat perbedaan 30% terhadap tingkat kelembapan
tanah 1 dengan tanah 2. Tanah 1 lebih kering dari tanah 2 yang menyebabkan nilai
dari fuzzy 1 lebih tinggi yang menandakan bahwa tanah 1 lebih cenderung untuk
dilakukan penyiraman dibanding tanah 2. Dan hasil uji 1 memiliki nilai disekitar
0.5 dikarenakan kondisi tanah dan hujan berada pada pertengahan lembab dan
kering dan juga pertengahan tidak hujan dan hujan.
Pada uji ketiga nilai dari hasil fuzzy 1 bernilai 1 sedangkan fuzzy 2 bernilai
jauh dibawah fuzzy 1. Hasil uji jalur 1 bernilai 1 dikarenakan kelembapan tanah
hanya bernilai 2% yang menghasilkan nilai keanggotaan kering sama dengan 1.
Untuk hujan juga bernilai 0.2% yang menghasilkan nilai keanggotaan tidak hujan
sama dengan 1 dan sensor suhu berada pada kondisi suhu ruangan. Karena kondisi
tersebut maka nilai dari fuzzy bernilai 1. Sedangkan pada fuzzy 2 sensor tanah
mendeteksi kelembapan tanah sekitar 59% yang mana lebih condong kearah basah.
Hal ini menyebabkan nilai dari fuzzy menjadi lebih kecil dari hasil uji jalur 1.
Pada uji keempat nilai dari hasil uji 2 lebih tinggi dari hasil uji 1. Pada uji
ini kondisi tanah pada tanah 2 lebih kering dari uji sebelumnya dan kondisi tanah
pada tanah 1 lebih basah dari sebelumnya. Dengan perbedaan kelembapan sekitar
50% membuat nilai hasil dari fuzzy menjadi cukup jauh antara jalur 1 dan jalur 2.
Pada uji kelima nilai dari fuzzy 1 dan fuzzy 2 tidak berbeda jauh
dibandingkan sebelumnya. Pada uji ini hasil uji jalur 1 memiliki nilai yang lebih
tinggi dari jalur 2 dikarenakan kondisi tanah pada jalur 1 berada pada kondisi
transisi kering kebasah dengan perbedaan 10% pada kelembapan tanah 1 dan tanah
2. Jika perbedaan 10% tersebut berada pada kondisi dimana kelembapan kurang
dari 33% maka nilai fuzzy akan sama dan tidak ada perubahan antara fuzzy 1 dan
fuzzy 2 dikarenakan pada tanah kurang dari 33% maka penyiraman pasti dilakukan.
Dikarenakan semua uji yang dilakukan mendapatkan hasil yang sesuai dengan yang
diharapkan, maka dapat disimpulkan bahwa pengujian fuzzy yang berada pada alat
sudah 100% sesuai dengan fuzzy logic metode sugeno.

72
5.3 Hasil Pengujian Output Terhadap Input Berdasarkan Aturan Fuzzy

Hasil pengujian sistem berupa black box testing terhadap output valve untuk
memastikan bahwa input pada alat sudah sesuai dengan keluaran valve yang
diinginkan. Berdasarkan hasil pengujian pada sistem penyiram tanaman otomatis,
maka diperoleh hasil sebagai berikut :
Gambar 5.2 Hasil Pengujian Output Valve
Gambar 5.2 menampilkan grafik dari data hasil output valve solenoid.
Terlihat pada hasil pengujian bahwasannya garis warna merah menutupi garis
berwarna biru dan garis berwarna hijau menutupi garis berwarna kuning yang
berarti bahwa output yang diharapkan dan hasil uji pada kedua jalur bernilai sama.
Output yang di harapkan diperoleh dengan cara mencocokkan input dengan aturan
fuzzy yang telah dibuat, sedangkan hasil uji di dapat dari hasil pengujian sistem.
berdasarkan hasil pembahasan tersebut maka diketahui bahwa alat penyiram
tanaman otomatis yang telah dibuat sudah berjalan dengan benar.
Pada uji pertama kedua hasil uji untuk masing-masing jalur menghasilkan
output untuk melakukan penyiraman. Pada uji ini nilai dari hasil fuzzy untuk kedua
buah jalur tersebut sama dengan 1. Ketika hasil fuzzy lebih besar dari 0.5 maka
penyiraman akan dilakukan. Hal ini juga dapat dilihat dari kondisi tanaman yang
kering yang bernilai 4% untuk tanah 1 dan 2% untuk tanah 2. Kondisi cuaca yang

73
tidak hujan dan suhu ruangan maka dilakukan penyiraman untuk kedua jalur
tersebut.
Pada uji kedua hasil uji pada jalur 1 menghasilkan output untuk membuka
valve sedangkan jalur 2 menutup valve. Pada uji ini hasil dari fuzzy pada jalur 1
adalah 0.51 yang mana lebih besar dari 0.5 maka valve akan dibuka pada jalur 1.
Lalu pada jalur 2 memiliki nilai output fuzzy sebesar 0.21 yang mana lebih kecil
dari 0.5 yang menandakan untuk tidak melakukan penyiraman. Kondisi tanah pada
jalur 1 juga cukup kering sedangkan pada jalur 2 kondisi tanah berada diantara
kering dan basah namun lebih condong kearah basah.
Pada uji ketiga kedua jalur tidak melakukan penyiraman. Hal ini walaupun
pada tanah 1 bernilai 24% yang mana cukup kering namun pada uji ini kondisi
cuaca sedang hujan yang mana nilai dari variabel hujan tersebut bernilai 52%. Dari
ini menghasilkan nilai fuzzy untuk kedua buah jalur menjadi kurang dari 0.5 yang
mana menyebabkan penyiraman tidak dilakukan.
Pada uji keempat tanah dua melakukan penyiraman sedangkan tanah 1 tidak
melakukan penyiraman. Nilai fuzzy pada tanah 1 bernilai 0.35 sedangkan pada tanah
2 bernilai 1. Tanah pada tanah 1 juga berada diantara kondisi basah dan kering yang
lebih condong kearah basah sedangkan kondisi pada tanah 2 cukup kering. Hal ini
membuat penyiraman dilakukan pada tanah 2 dan tanah 1 tidak dilakukan.
Pada uji kelima tanah 1 melakukan penyiraman sedangkan tanah 2 tidak.
Untuk nilai dari fuzzy pada tanah 1 adalah 0.74 sedangkan pada tanah 2 memiliki
nilai fuzzy sebesar 0.35. tanah 1 juga memiliki kondisi tanah yang lebih kering pada
uji ini dibandingkan dengan tanah 2. Maka penyiraman dilakukan pada tanah 1 dan
tidak pada tanah 2.

74
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil penelitian dan pembahasan pada bab sebelumnya, maka
dapat disimpulkan bahwa sistem penyiram tanaman otomatis berhasil dibuat
dengan mengimplementasikan fuzzy inference system dengan metode Sugeno,
dengan menggunakan dua buah sensor kelembapan tanah, sensor suhu, dan sensor
hujan untuk mengatasi masalah penyiraman yang dapat dilakukan secara otomatis
dengan menyalakan dan mematikan keran air ketika beberapa kondisi terpenuhi.
Berdasarkan hasil pengujian black box testing, yaitu pengujian output
algoritma fuzzy sugeno dan pengujian output keluaran valve, seluruh pengujian
yang dilakukan telah sesuai dengan output yang diharapkan. Derdasarkan hasil
pengujian dapat dikatakan bahwa alat ini telah sesuai dengan yang dibutuhkan.
Berdasarkan observasi langsung kerja alat dikebun, suhu yang berada pada ruangan
memiliki range yang tidak jauh dari kondisi siang hari maupun kondisi pada malam
hari yaitu sekitar 3℃. Nilai range dari sensor suhu memiliki perbedaan yang
signifikan dengan sensor kelembapan tanah yang memiliki range yang jauh pada
saat tanah kering dan basah dan sensor hujan pada saat hujan dan tidak hujan.
Sehingga lebih baik untuk tidak menggunakan sensor suhu agar dapat
meminimalkan biaya dan membuat tahap troubleshoot menjadi lebih mudah.
6.2 Saran
Setelah dilakukan pembuatan fuzzy inference system pada sistem penyiram
tanaman otomatis mesin paralel ini, terdapat beberapa saran untuk pembaca dan
pengembang selanjutnya. Berikut adalah saran dari penulis, yaitu:
1. Ditambahkan tombol on/off pada raspberry pi.
2. Dalam pengembangan selanjutnya dapat menambahkan untuk jalur
tanaman yang lain karena jalur tanaman yang dipakai pada penelitian
ini adalah dua dari delapan jalur yang terdapat pada kebun agribisnis.

75
3. Dalam pengembangan selanjutnya dapat ditambahkan koneksi internet

agar hasil penyiraman dapat dipantau dari jarak jauh melalui website
atau aplikasi.

76
DAFTAR PUSTAKA
Athena, & Cahyorini. (2016). Hubungan Variabilitas Iklim (Curah Hujan, Suhu,
Dan Kelembaban) Dengan Kejadian Diare Di Kota Denpasar, Provinsi Bali.
Jurnal Ekologi Kesehatan, 15(3), 167–178.
Bhardwaj, S., Dhir, S., & Hooda, M. (2018). Automatic plant watering system
using iot. Proceedings of the 2nd International Conference on Green
Computing and Internet of Things, ICGCIoT 2018, 659–663.
https://doi.org/10.1109/ICGCIoT.2018.8753100
Bin Ismail, M. I. H., & Thamrin, N. M. (2018). IoT implementation for indoor
vertical farming watering system. 2017 International Conference on
Electrical, Electronics and System Engineering, ICEESE 2017, 2018-Janua,
89–94. https://doi.org/10.1109/ICEESE.2017.8298388
BPPB. (2016). Kamus Besar Bahasa Indonesia.

https://kbbi.kemdikbud.go.id/entri/sistem
florespedia. (2020). Gubernur NTT Sebut Cara Bertani Yance Maring akan
Membantu Para Petani Millenial.
https://kumparan.com/florespedia/gubernur-ntt-sebut-cara-bertani-yance-
maring-akan-membantu-para-petani-millenial-1tsZhDKNPhB/full
Hakim, L. (2016). Penerapan Metode Sugeno Menentukan Tingkat Loyalitas

Pelanggan Berdasarkan Kualitas Produk dan Kepuasan Pelanggan (Studi
Kasus di Sabana Fried Chicken Cabang Malang). 94.
k, A., & Mahadevaswamy, U. B. (2018). Automatic IoT Based Plant Monitoring

and Watering System using Raspberry Pi. International Journal of
Engineering and Manufacturing, 8(6), 55–67.
https://doi.org/10.5815/ijem.2018.06.05
Kodali, R. K., & Sahu, A. (2016). An IoT based soil moisture monitoring on
Losant platform. Proceedings of the 2016 2nd International Conference on

77
Contemporary Computing and Informatics, IC3I 2016, December 2016,

764–768. https://doi.org/10.1109/IC3I.2016.7918063
Kusriyanto, M., & Putra, A. A. (2019). Weather Station Design Using IoT
Platform Based On Arduino Mega. ISESD 2018 - International Symposium
on Electronics and Smart Devices: Smart Devices for Big Data Analytic and
Machine Learning, 8–11. https://doi.org/10.1109/ISESD.2018.8605456
Lakhoua, M. N. (2012). Using structured analysis for the control of real-time

systems. Journal of Engineering and Technology Research, 4(October), 82–
88. https://doi.org/10.5897/JETR09.088
Mathur, R., & Kalbande, K. (2020). Internet of Things (IoT) based energy
tracking and bill estimation system. Proceedings of the 4th International
Conference on IoT in Social, Mobile, Analytics and Cloud, ISMAC 2020, 80–
85. https://doi.org/10.1109/I-SMAC49090.2020.9243480
Meimaharani, R., & Listyorini, T. (2014). ANALISIS SISTEM INFERENCE

FUZZY SUGENO DALAM MENENTUKAN HARGA PENJUALAN
TANAH UNTUK PEMBANGUNAN MINIMARKET. Jurnal SIMETRIS, 5.
Mulyani, S. (2016). Metode Analisis dan Perancangan Sistem.

https://books.google.co.id/books?hl=id&lr=&id=SbrPDgAAQBAJ&oi=fnd&
pg=PP1&dq=Metode+Analisis+Dan+Perancangan+Sistem&ots=fnc_cLF1k
N&sig=bf1rE4FzAZS-
B3HkW8uu1fLEzk&redir_esc=y#v=onepage&q=Metode Analisis Dan
PerancanganSistem&f=false
Munir, M. S., Bajwa, I. S., & Cheema, S. M. (2019). An intelligent and secure
smart watering system using fuzzy logic and blockchain. Computers and
Electrical Engineering, 77, 109–119.
https://doi.org/10.1016/j.compeleceng.2019.05.006
Nurhasanah, R., Savina, L., Nata, Z. M., & Zulkhair, I. (2021). Design and
Implementation of IoT based Automated Tomato Watering System Using

78
ESP8266. Journal of Physics: Conference Series, 1898(1).

https://doi.org/10.1088/1742-6596/1898/1/012041
Pressman, R. S., & Maxim, B. (2014). Software Engineering: A Practitioner’s

Approach (8th Editio).
Putri, A. D., & Effendi. (2017). Fuzzy Logic Untuk Menentukan Lokasi Kios
Terbaik Di Kepri Mall Dengan Menggunakan Metode Sugeno Kecerdasan
Buatan ( Artificial Intelligence ). Jurnal Edik Informatika Penelitian Bidang
Komputer Sains Dan Pendidikan Informatika, 3(2541–3716), (49-59).
Rahmatullah, Y., Irawan, B., & Setianingsih, C. (2020). Deteksi Tinggi Tanaman
Hidroponik Pakcoy Menggunakan Pengolahan Citra Morphological High
Detection of Hydroponic Plant Pakcoy Using Morphological Image
Processing. 7(2), 4617–4623.
Raspberry Pi. (2018). Raspberry Pi 3 Model B+.

https://www.raspberrypi.com/products/raspberry-pi-3-model-b-plus/
Rohadi, E., Amalia, A., Nidianingsih, A., Arief, S. N., Ariyanto, R., & Wibowo,
D. W. (2019). The design and evaluation of an automatic watering system by
using Fuzzy Mamdani. Journal of Physics: Conference Series, 1402(2).
https://doi.org/10.1088/1742-6596/1402/2/022088
Romney, M. B., & Steinbart, P. J. (2015). Sistem Informasi Akuntansi.
Senthilkumar, S., Brindha, K., Charanya, R., & Kumar, A. (2019). Patients health
monitoring system using IOT. Indian Journal of Public Health Research and
Development, 10(4), 252–256. https://doi.org/10.5958/0976-
5506.2019.00699.5
SIHOTANG, H. T. (2019). Sistem Informasi Pengagendaan Surat Berbasis Web

Pada Pengadilan Tinggi Medan. 3(1), 6–9.
https://doi.org/10.31227/osf.io/bhj5q
SUARDIKA, K. W., GANDHIADI, G. K., & HARINI, L. P. I. (2018).

79
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI

DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA
(Studi Kasus : CV. Dewi Bulan). E-Jurnal Matematika, 7(2), 180.
https://doi.org/10.24843/mtk.2018.v07.i02.p201
Syaza Norfilsha Binti Ishak. (2008). Smart Home Garden Irrigation System With
Raspberry Pi. Ieee, 16(June), 24.
Tim Knowledge Center. (n.d.). Dampak & Fenomena Perubahan Iklim.

http://ditjenppi.menlhk.go.id/kcpi/index.php/info-iklim/dampak-fenomena-
perubahan-iklim
Vanaja, K. J., Suresh, A., Srilatha, S., Kumar, K. V., & Bharath, M. (2018). IOT
based Agriculture System Using NodeMCU. International Research Journal
of Engineering and Technology (IRJET), 5(03), 3025–3028.

Kahfi Del Vieri-Fst

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Kahfi Del Vieri-Fst

Diunggah oleh

Hak Cipta:

Format Tersedia

IMPLEMENTASI FUZZY INFERENCE SYSTEM PADA

SISTEM PENYIRAM TANAMAN OTOMATIS MESIN

PROGRAM STUDI TEKNIK INFORMATIKA

Nama : Kahfi Del Vieri

(Kahfi Del Vieri)

Kata Kunci : penyiram tanaman otomatis, mesin paralel, fuzzy logic,

Keywords : automatic watering system, parallel machime, fuzzy logic,

Assalamu’alaikum Wr. Wb.

Kahfi Del Vieri

Gambar 1.1 Kebun Agribisnis................................................................................. 2

Tabel 3.1 Studi Literatur Sejenis........................................................................... 23

1.1 Latar Belakang

UIN SYARIF HIDAYATULLAH JAKARTA

Gambar 1.1 Kebun Agribisnis

Beberapa hal dapat dilakukan untuk mengatasi permasalahan tersebut. Salah

UIN SYARIF HIDAYATULLAH JAKARTA

UIN SYARIF HIDAYATULLAH JAKARTA

1.2 Rumusan Masalah

1.3 Batasan Masalah

1.4 Tujuan Penelitian

1.5 Manfaat Penelitian

UIN SYARIF HIDAYATULLAH JAKARTA

1. Mengukur tingkat kemampuan dalam menerapkan ilmu

1.6 Metodologi Penelitian

1.6.1 Metode Pengumpulan Data

1.6.2 Metode Pengembangan Sistem

UIN SYARIF HIDAYATULLAH JAKARTA

1.7 Sistematika Penulisan

UIN SYARIF HIDAYATULLAH JAKARTA

2.2 Tanaman Pakcoy

UIN SYARIF HIDAYATULLAH JAKARTA

Gambar 2.1 Tanaman Pakcoy

2.3 Fuzzy Logic

UIN SYARIF HIDAYATULLAH JAKARTA

2.4 Metode Sugeno

UIN SYARIF HIDAYATULLAH JAKARTA

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan

2.4.1 Fungsi Keanggotaan

Gambar 2.2 Grafik Fungsi Keanggotaan Segitiga

Fungsi keanggotaan segitiga dapat juga dinyatakan dengan

UIN SYARIF HIDAYATULLAH JAKARTA

2. Fungsi Keanggotaan Trapesium

Gambar 2.3 Grafik Fungsi Keanggotaan Trapesium

Fungsi keanggotaan trapesium dapat juga dinyatakan dengan

UIN SYARIF HIDAYATULLAH JAKARTA

𝑏 = Nilai domain yang mempunyai derajat keanggotaan satu

2.4.2 Tahapan Metode Sugeno

UIN SYARIF HIDAYATULLAH JAKARTA

kabur tersebut. Sehingga jika diberikan suatu himpunan kabur

2.5 Single Board Computer Raspberry Pi 3 Model B+

Gambar 2.4 Raspberry Pi 3 Model B+

Spesifikasi dari Raspberry Pi 3 Model B+ sebagai berikut:

UIN SYARIF HIDAYATULLAH JAKARTA

2. 1GB LPDDR2 SDRAM.

Gambar 2.5 MCP3008

2.7 Sensor Kelembapan Tanah

UIN SYARIF HIDAYATULLAH JAKARTA

Gambar 2.6 Sensor Kelembapan Tanah

2.8 Sensor Hujan

UIN SYARIF HIDAYATULLAH JAKARTA

Gambar 2.7 Sensor Hujan

2.9 Sensor Suhu (DHT22)

UIN SYARIF HIDAYATULLAH JAKARTA