Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol.
No.
April 2026, hlm.
p-ISSN: 2355-7699
e-ISSN: 2528-6579
IMPLEMENTASI SISTEM PEMANTAUAN DAN PENGENDALIAN PADA
BUDIDAYA JAMUR TIRAM BERBASIS INTERNET OF THINGS MENGGUNAKAN
LOGIKA FUZZY
Irsan Nur Hidayat*1.
Muhamad Bahrul Ulum2
1, 2
Universitas Esa Unggul Jakarta.
Jakarta Barat Email: irsannh@student.
id, 2m.
bahrul_ulum@esaunggul.
Penulis Korespondensi (Naskah masuk: 21 Januari 2025, diterima untuk diterbitkan: 15 Januari 2.
Abstrak Jamur tiram saat ini mulai banyak dibudidayakan oleh masyarakat perkotaan.
Namun, suhu dan kelembapan yang ada di perkotaan kurang sesuai untuk pertumbuhan jamur tiram yang membutuhkan suhu 24 Ae 27 AC dan kelembapan 80 Ae 90%.
Penelitian ini bertujuan untuk mengembangkan sistem berbasis Internet of Things dan Logika Fuzzy dengan Metode Tsukamoto yang dapat memantau serta mengendalikan kondisi suhu dan kelembapan pada kumbung jamur tiram.
Pengujian membuktikan bahwa sistem mampu memantau kondisi suhu dan kelembapan secara real time dan menginformasikannya kepada petani.
Selain itu, sistem juga terbukti dapat menjaga kondisi kumbung pada suhu rata-rata 25,96 AC dan kelembapan rata-rata 87,18%.
Penggunaan sistem ini juga berdampak positif terhadap keberhasilan pertumbuhan jamur tiram jika dibandingkan dengan jamur tiram dalam kumbung manual yang mengalami gagal panen.
Dengan demikian, sistem ini telah berhasil mendukung keberhasilan budidaya jamur tiram pada lingkungan perkotaan.
Kata kunci: Internet of Things.
Jamur Tiram.
Logika Fuzzy.
Metode Fuzzy Tsukamoto
IMPLEMENTATION OF MONITORING AND CONTROL SYSTEM FOR OYSTER
MUSHROOM CULTIVATION BASED ON INTERNET OF THINGS USING FUZZY
LOGIC
Abstract Oyster mushrooms are currently being cultivated by many urban communities.
However, the temperature and humidity in urban areas are not suitable for the growth of oyster mushrooms, which require a temperature of 24Ae27 AC and humidity of 80Ae90%.
This study aims to develop an Internet of Things and Fuzzy Logic-based system Fuzzy Logic using the Tsukamoto method to monitor and control temperature and humidity conditions in oyster mushroom greenhouses.
Testing demonstrated that the system can monitor temperature and humidity conditions in real time and communicate this information to farmers.
Additionally, the system has been proven to maintain the cultivation house conditions at an average temperature of 25.
96AC and an average humidity of The use of this system also has a positive impact on the success of oyster mushroom growth when compared to oyster mushrooms in manual sheds that experience crop failure.
Thus, this system has successfully supported the cultivation of oyster mushrooms in urban environments.
Keywords: Internet of Things.
Oyster Mushroom.
Fuzzy Logic.
Tsukamoto Fuzzy Method istilah pertanian perkotaan atau urban farming.
Dengan konsep ini, masyarakat dapat memanfaatkan ruang-ruang sempit yang ada di kota untuk dijadikan sebagai lahan pertanian.
Ada banyak jenis tanaman yang dapat tumbuh dengan baik dengan konsep ini.
Salah satunya adalah Jamur Tiram.
Tanaman yang memiliki nama latin Pleourotus Ostreatus ini banyak dibudidayakan karena memang sesuai dengan konsep urban farming yang tidak memerlukan lahan besar.
Selain itu, harga bibit yang terjangkau juga menjadi alasan PENDAHULUAN Indonesia kerap kali dijuluki sebagai negara Ini disebabkan karena negara ini lekat dengan pertanian.
Dengan tanah yang luas serta menggantungkan penghidupannya pada sektor ini.
Sebelumnya, pertanian memang identik dilakukan di desa.
Akan tetapi, saat ini kultur untuk melakukan kegiatan pertanian di daerah perkotaan mulai berkembang.
Konsep ini disebut dengan 398 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
di balik meningkatnya budidaya jamur tiram (Triono, 2.
Dalam membudidayakan tanaman ini, ada kondisi ideal yang harus dipenuhi.
Kondisi tersebut meliputi suhu yang berkisar 24 Ae 27 derajat celsius dan kelembapan ideal yang berkisar 80 Ae 90 persen.
Apabila kondisi ideal tidak tercapai maka jamur tiram tidak dapat tumbuh dengan baik.
Ini akan berdampak pada kualitas panen yang menjadi kurang baik (Pujianto dan Fadlilah, 2.
Masalah dibudidayakan melalui konsep urban farming.
Masalah ini ialah kurang idealnya kondisi iklim di daerah perkotaan jika dibandingkan dengan desa.
Ini bisa berdampak pada pertumbuhan jamur tiram yang kurang maksimal.
Oleh karenanya, diperlukan sebuah sistem yang andal dalam mengendalikan suhu maupun kelembapan pada kumbung tempat budidaya jamur tiram.
Saat ini.
Internet of Things (IoT) dan kecerdasan artifisial menjadi konsep teknologi yang cukup populer dalam sektor pertanian.
Dua teknologi ini dinilai mampu merevolusi sistem pertanian ke arah yang lebih produktif.
IoT memungkinkan berbagai perangkat elektronik saling terhubung, melakukan komputasi, serta menyimpan data yang diharapkan dapat memenuhi kebutuhan manusia (Wu dan Chen, 2.
Adapun kecerdasan artifisial sendiri didefinisikan sebagai teknologi yang memungkinkan sebuah mesin dapat mengerjakan berbagai tugas yang membutuhkan kepandaian yang dimiliki oleh manusia (Gignac dan Szodorai, 2.
Dalam sektor pertanian.
IoT dan kecerdasan artifisial lazimnya dimanfaatkan dalam proses pengambilan keputusan.
Sensor akan mengukur data-data lingkungan seperti suhu dan kelembapan sebelum kemudian dianalisis untuk mengambil keputusan yang diperlukan lingkungan pertanian, misalnya dalam irigasi maupun pengendalian hama (Muhammed et al.
, 2.
Untuk mengambil keputusan, ada banyak pendekatan yang dapat dimanfaatkann.
Satu di antaranya ialah logika fuzzy.
Konsep ini dipopulerkan oleh Lotfi Zadeh pada 1965.
Logika fuzzy bermanfaat untuk menyelesaikan masalah yang bersifat tidak pasti.
Logika fuzzy menggunakan kebenaran parsial dalam menentukan solusi, yang membuat sebuah nilai tidak dapat dianggap benar atau salah sepenuhnya, melainkan dapat di antara keduanya (Shabara et al.
, 2.
Sebelum ini, terdapat beberapa penelitian untuk menyelesaikan masalah terkait suhu dan kelembapan dalam bidang pertanian.
Dani et al.
dalam penelitiannya memanfaatkan konsep logika fuzzy metode mamdani untuk mengendalikan kondisi kumbung jamur tiram, di samping penggunanya juga tetap dapat memantaunya menggunakan platform Logika fuzzy metode mamdani juga digunakan oleh Ubaidillah.
Istiadi dan Mukhsim .
dalam penelitiannya untuk memantau dan mengendalikan kumbung jamur tiram.
Hanya saja pemantauannya dilakukan melalui web ESP-LINK.
Adapun dalam penelitian lainnya yang dilakukan oleh Irwanto et al.
IoT dan logika fuzzy pengendalian suhu, kelembapan, kelembapan tanah, hingga intensitas cahaya dalam proses pembuatan media tanam .
pada jamur.
Adapun logika fuzzy metode sugeno digunakan oleh Awi.
Rabi dan Dirgantara .
, dalam penelitiannya untuk mengendalikan suhu, kelembapan, serta pH pada kumbung jamur kuping, di mana datanya sendiri dikirimkan menuju server Node-Red.
Berdasarkan uraian masalah di atas maka sebuah penelitian dilakukan guna membuat sistem pemantauan dan pengendalian pada suhu serta kelembapan yang ada pada kumbung jamur tiram, dengan memanfaatkan konsep IoT serta logika fuzzy dengan metode tsukamoto yang belum banyak digunakan sebelum ini.
Selain itu, sebuah aplikasi mobile juga akan dibuat dengan menggunakan flutter SDK dan firebase untuk penyimpanannya.
Pembuatan aplikasi mobile ini dapat memberikan fleksibilitas berupa tampilan yang lebih sesuai dengan keinginan pengguna, juga memudahkan pengguna jika dibandingkan dengan menggunakan Pengguna juga dapat mengendalikan aktuatoraktuator yang ada melalui aplikasi tersebut.
Melalui penelitian ini, diharapkan agar kondisi suhu serta kelembapan dapat terkendali dan terjaga pada kondisi yang ideal serta akan berdampak pada pertumbuhan serta hasil panen yang lebih maksimal dari jamur tiram itu sendiri.
METODE PENELITIAN
Gambar 1.
Metode PPDIOO Penelitian ini dilakukan dengan memanfaatkan metode Prepare.
Plan.
Design.
Implementation.
Operate, and Optimize (PPDIOO).
Metode ini sendiri ialah pendekatan penelitian yang dikeluarkan oleh Cisco (Heriyani dan Ernawati, 2.
Metode ini dapat meningkatkan ketersediaan dan menciptakan implementasi yang solid (Haeruddin et , 2.
Meskipun PPDIOO lazimnya digunakan dalam jaringan komputer, tetapi metode ini juga Hidayat & Ulum, dkk.
Implementasi Sistem PemantauanA 399 dapat digunakan dalam pengembangan sistem IoT, seperti pada penelitian yang dilakukan Heriyani dan Ernawati .
Metode ini terbagi atas enam tahapan utama, seperti yang dapat dilihat pada Gambar 1.
Adapun dari sisi kebutuhan perangkat atau komponen yang akan digunakan, sistem akan elektronika, sebagaimana yang terdapat pada Blok Diagram yang ada pada Gambar 2.
1 Tahap Prepare Pada tahap pertama, yaitu Prepare, proses pengumpulan data dilakukan guna mengidentifikasi pembudidayaan jamur tiram.
Pengumpulan data dilakukan dengan tiga metode, yaitu studi literatur, observasi, serta wawancara.
Studi literatur dilakukan dengan mengumpulkan data pustaka dari berbagai penelitian sebelumnya.
Observasi dilakukan dengan cara melakukan mengamati langsung proses pembudidayaan jamur tiram.
Adapun wawancara dilakukan dengan petani yang selama ini membudidayakan jamur tiram guna mengetahui kesulitan yang dialami oleh para petani ketika membudidayakan jamur tiram.
Dari proses pengumpulan data ditemukan bahwa masalah berupa belum adanya sistem otomatis yang dapat memantau serta mengendalikan kondisi suhu dan kelembapan yang ada pada kumbung jamur tiram secara akurat.
Selama ini, petani hanya melakukan pengendalian manual yang dianggap tidak begitu efektif serta efisien disebabkan hanya berdasarkan intuisi dan hanya dilakukan terjadwal selama dua hingga tiga kali Apabila terjadi perubahan kondisi secara mendadak di luar jadwal pengendalian maka tidak ada sistem yang bisa merespons perubahan kondisi tersebut secara cepat.
Kondisi ini akan menghambat budidaya itu sendiri.
2 Tahap Plan Pada tahap kedua atau tahap plan, identifikasi kebutuhan dilakukan berdasarkan analisis masalah pada tahap sebelumnya.
Identifikasi kebutuhan meliputi kebutuhan fungsional, non-fungsional, serta komponen yang akan digunakan.
Dari sisi kebutuhan fungsional, sistem harus mampu mendeteksi kondisi suhu dan kelembapan melalui sensor dan dapat menginformasikannya kepada pengguna, baik melalui aplikasi mobile maupun melalui layar yang disediakan pada kumbung jamur tiram.
Selain itu, sistem juga harus mampu melakukan pengendalian terhadap kondisi suhu serta kelembapan secara otomatis dan akurat dengan kondisi ideal yang diharapkan, berdasarkan data yang didapatkan dari hasil pemantauan yang Dari sisi kebutuhan non-fungsional, sistem harus mampu beroperasi selama sehari penuh.
Selain itu, sistem juga harus dapat diintegrasikan dengan aplikasi mobile agar memudahkan petani dalam memantau kondisi kumbung melalui ponsel yang Gambar 2.
Blok Diagram Sistem Sensor DHT22 berperan untuk mendeteksi kondisi suhu dan kelembapan yang ada, ditambah Modul RTC DS3231 yang digunakan untuk mendeteksi waktu ketika pengukuran berlangsung.
Data-data yang didapatkan dari dua komponen tersebut akan diproses oleh mikrokontroler NodeMCU ESP32.
Pertama, data dikirimkan ke basis data Firebase Realtime Database, agar dapat diakses oleh pengguna mekalui aplikasi mobile.
Selepas itu, mikrokontroler juga akan membuat keputusan pengendalian dengan memanfaatkan konsep logika fuzzy.
Dengan logika fuzzy, mikrokontroler akan menentukan kecepatan kipas, durasi pompa, serta durasi heater guna mengendalikan suhu dan kelembapan yang ada.
3 Tahap Design Pada tahap ketiga atau tahap design.
Perancangan elektronika, alur kerja sistem, basis data, antarmuka yang akan digunakan, wadah serta tata letak yang akan digunakan, hingga dari sisi logika fuzzy yang akan digunakan.
1 Desain Komponen Elektronika Gambar 3.
Desain Komponen Elektronika 400 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
Gambar 6.
Flowchart Utama Sistem Desain komponen elektronika bertujuan untuk merancang bagaimana komponen elektronika yang akan digunakan saling terkoneksi.
Desain ini merupakan pengejawantahan dari blok diagram yang sebelumnya telah dibuat.
Desain ini sendiri dapat dilihat pada Gambar 3.
2 Desain Mekanik Desain mekanik berisi rancangan wadah beserta penempatan komponen-komponen yang akan digunakan dalam sistem ini.
Adapun desain mekanik untuk wadah beserta tata letak dari komponenkomponen yang digunakan dapat dilihat pada Gambar 4 dan 5.
Gambar 4.
Desain Wadah Sistem Gambar 5.
Desain Tata Letak Komponen 2 Desain Alur Kerja Sistem Desain alur kerja ini menggambarkan bagaimana sistem akan bekerja nantinya.
Desain alur kerja sistem ini digambarkan dengan flowchart atau diagram alir.
Flowchart ini dapat dilihat pada Gambar 6.
Sistem ini sendiri memiliki tiga sub-proses utama yang berjalan.
Tiga Sub-proses ini terdiri dari sub-proses pemantauan dan pengendalian, subproses cek perintah kendali manual, serta sub-proses cek kondisi terkini.
Sub-proses pemantauan dan pengendalian adalah sub-proses yang didefinisikan sebagai proses yang dilakukan oleh mikrokontroler untuk mengukur nilai suhu dan kelembapan terkini pada kumbung jamur tiram, menyimpan hasil pengukuran ke dalam firebase realtime database, dan menampilkan nilai hasil pengukuran ke LCD yang terletak di kumbung jamur tiram.
Selain itu, mikrokontroler juga melakukan inferensi menggunakan logika fuzzy serta melakukan pengendalian berdasarkan hasil inferensi yang dilakukan.
Terdapat tiga aktuator yang digunakan, yaitu Kipas.
Pompa, dan Heater.
Heater hanya akan menyala jika output durasi pompa yang dihasilkan dari logika fuzzy bernilai lebih dari 40 Selain itu, heater juga akan menyala terlebih dahulu apabila suhu 24 AC atau kurang serta kelembapan lebih dari 90%.
Jika kedua kondisi tersebut tidak terjadi maka hanya pompa dan kipas saja yang menyala secara bersamaan berdasarkan nilai durasi pompa dan PWM kipas yang didapatkan Flowchart sub-proses ini sendiri dapat dilihat pada Gambar 7.
Sub-proses kedua adalah sub-proses cek perintah kendali mobile.
Sub-proses ini bertujuan untuk menjabarkan proses yang dilakukan oleh mikrokontroler untuk mengecek apakah terdapat perintah yang diberikan melalui aplikasi mobile.
Perintah yang dapat diberikan oleh aplikasi mobile meliputi pengecekan kondisi suhu dan kelembapan terkini, menyalakan kipas, pompa, atau Adapun flowchart sub-proses yang kedua dapat dilihat pada Gambar 8.
Hidayat & Ulum, dkk.
Implementasi Sistem PemantauanA 401 Gambar 7.
Flowchart Sub-Proses Pemantauan dan Pengendalian Flowchart sub-proses terakhir ini dapat dilihat pada Gambar 9.
Gambar 9.
Flowchart Sub-Proses Cek Kondisi Terkini 3 Desain Antarmuka Aplikasi Mobile Gambar 8.
Flowchart Sub-Proses Cek Perintah Kendali Mobile Sub-proses terakhir dari keseluruhan sistem ini adalah sub-proses cek kondisi terkini.
Sub-proses ini bertujuan untuk melakukan pengukuran suhu dan kelembapan secara berkala untuk ditampilkan ke LCD yang berada di kumbung jamur tiram yang Desain menggambarkan tata letak menu dan data yang akan ditampilkan pada pengguna dalam aplikasi mobile yang dibuat.
Desain antarmuka dibuat dengan menggunakan tools Figma.
Adapun desain antarmukanya dapat dilihat pada Gambar 10.
402 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
Tahap berikutnya adalah fuzzifikasi, yang merupakan proses untuk mengubah nilai input yang berbentuk crisp menjadi nilai fuzzy yang berupa derajat keanggotaan dari nilai crisp tersebut.
Nilai derajat keanggotaan ini diperoleh melalui fungsi keanggotaan yang direpresentasikan dengan bentuk kurva (Setiyawan.
Arbansyah dan Latipah, 2.
Adapun fuzzifikasi dari input suhu dan kelembapan beserta fungsi keanggotaannya dapat dilihat pada Gambar 11 dan 12, serta Persamaan .
Gambar 10.
Desain Antarmuka Aplikasi Mobile 4 Desain Logika Fuzzy Desain terakhir yang dilakukan adalah logika Logika fuzzy akan digunakan untuk membuat keputusan terkait suhu dan Dalam merancang logika fuzzy, ada beberapa pendekatan atau metode yang bisa Adapun penelitian ini sendiri menggunakan metode tsukamoto.
Metode ini sendiri menggunakan rata-rata terbobot dalam penghitungan hasil akhirnya (Kuswanto et al.
, 2.
Dalam merancang logika fuzzy dengan pendekatan tsukamoto, ada lima tahapan yang mesti dilakukan, yaitu pembentukan himpunan fuzzy, fuzzifikasi, pembentukan aturan, inferensi, dan defuzzifikasi yang menjadi langkah terakhir dari keseluruhan proses ini.
Pembentukan himpunan fuzzy dilakukan untuk merepresentasikan variabel-variabel fuzzy yang digunakan (Setiyawan.
Arbansyah dan Latipah.
Himpunan fuzzy yang digunakan untuk merepresentasikan variabel input dan output pada sistem ini dapat dilihat melalui Tabel 1 dan 2.
Tabel 1.
Pembentukan Himpunan Fuzzy (Variabel Inpu.
Variabel Satuan Himpunan Domain Dingin Suhu Ideal Panas Rendah Sedang Kelembapan Ideal Tinggi Tabel 2.
Pembentukan Himpunan Fuzzy (Variabel Outpu.
Variabel Satuan Himpunan Domain Pelan Kecepatan PWM Agak Cepat Kipas Cepat Sangat Sebentar Agak Sebentar Durasi Sebentar Pompa Agak Lama Lama Mati Sangat Sebentar Durasi Sebentar Heater Agak Lama Lama Gambar 11.
Kurva Fuzzy Variabel Suhu
[ ]
[ ]
[ ]
Gambar 12.
Kurva Fuzzy Variabel Kelembapan Hidayat & Ulum, dkk.
Implementasi Sistem PemantauanA 403
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
[ ]
Selain fuzzifikasi untuk input, variabel-variabel output yang ada juga perlu dibentuk fungsi Dalam hal ini, variabel output-nya adalah PWM Kipas untuk mengatur kecepatan kipas, durasi pompa dan durasi heater yang bertujuan untuk mengatur seberapa lama aktuator pompa dan heater menyala.
Durasi pompa dan heater akan menggunakan satuan detik.
Adapun fungsi keanggotaan dari masing-masing variabel output dapat dilihat pada Gambar 13, 14, dan 15, serta Persamaan .
Gambar 14.
Kurva Fuzzy Variabel Durasi Pompa
[ ]
[ ]
[ ]
Gambar 13.
Kurva Fuzzy Variabel Kecepatan Kipas 404 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
[ ]
[ ]
Aturan dibentuk dari kombinasi himpunanhimpunan pada variabel masukan atau input (Setiyawan.
Arbansyah dan Latipah, 2.
Aturan ini bertujuan untuk mengevaluasi masing-masing derajat keanggotaan yang ada di setiap fungsi keanggotaan input.
Nantinya, hasil evaluasi ini akan digunakan dalam menentukan hasil nilai output yang ada (Ubaidillah.
Istiadi dan Mukhsim, 2.
Adapun aturan yang akan digunakan dalam sistem ini dapat dilihat pada Tabel 3.
Suhu Dingin Dingin Dingin Dingin Ideal Ideal Ideal Ideal Gambar 15.
Kurva Fuzzy Variabel Durasi Heater
[ ]
[ ]
[ ]
Panas Panas Tahapan berikutnya adalah inferensi.
Tahap ini bertujuan untuk menerapkan aturan terhadap input yang diberikan dari proses fuzzifikasi (Lasut.
Oslan dan Wibowo, 2.
Output fuzzy ini sendiri disebut dengan fire strength, yang ditentukan dari operasi dengan operator AND yang digunakan untuk membandingkan derajat keanggotaan dari masingmasing input (Sunardi.
Yudhana dan Furizal, 2.
Adapun operasi ini sendiri dapat dilihat pada Persamaan .
[ ]
[ ]
[ ]
[ ]
Panas Panas Tabel 3.
Pembentukan Aturan Logika Fuzzy Input Output Kecepatan Durasi Durasi Kelembapan Kipas Pompa Heater Rendah Pelan Lama Lama Sedang Pelan Sebentar Agak Lama Ideal Pelan Sangat Agak Sebentar Lama Tinggi Pelan Mati Sebentar Rendah Agak Lama Mati Cepat Sedang Agak Agak Mati Cepat Lama Ideal Agak Sangat Mati Cepat Sebentar Tinggi Agak Mati Sangat Cepat Sebentar Rendah Cepat Lama Mati Sedang Cepat Agak Mati Lama Ideal Cepat Sebentar Mati Tinggi Cepat Sebentar Sangat Sebentar Setelah fuzzifikasi dilakukan maka tahap berikutnya adalah membentuk aturan atau rules.
[ ]
Keterangan:
[ ] = nilai fire strength Min = nilai minimal [ ] = nilai derajat keanggotaan input suhu [ ] = nilai derajat keanggotaan input Tahapan yang paling akhir dari keseluruhan proses perancangan logika fuzzy ini adalah Tahap ini bertujuan untuk mengubah output berbentuk fuzzy yang didapatkan dari tahap inferensi ke dalam nilai output yang berbentuk crisp (Ubaidillah.
Istiadi dan Mukhsim, 2.
Dalam hal Hidayat & Ulum, dkk.
Implementasi Sistem PemantauanA 405 ini, rata-rata terbobot dari keseluruhan output berbentuk fuzzy yang berasal dari seluruh aturan yang ada digunakan untuk defuzzifikasi, dengan persamaan yang digunakan adalah sebagai berikut.
Oc [ ] Oc [ ] .
Keterangan:
Z = nilai output [ ] = nilai fire strength berdasarkan rule yang ada = Nilai output sesuai rule atau aturan fuzzy yang 4 Tahap Implement Pada tahap keempat, atau tahap implement, penerapan akan dilakukan terhadap rancangan yang telah ditetapkan di tahap design.
Implementasi dijalankan dengan memprogram mikrokontroter yang akan digunakan.
Setelah itu, integrasi mikrokontroler akan dilakukan dengan komponenkomponen lain yang akan digunakan.
Pemograman juga dilakukan untuk mengembangkan aplikasi mobile yang juga akan digunakan pada sistem ini.
5 Tahap Operate Tahap kelima adalah Tahap Operate.
Tahap ini bertujuan untuk mengoperasikan sistem yang sebelumnya telah diimplementasikan.
Selain itu, pengujian juga akan dilakukan terhadap sistem.
Serangkaian mengetahui tingkat keberhasilan sistem dalam menyelesaikan masalah yang sebelumnya telah Pengujian tersebut meliputi pengujian koneksi, pengujian pengiriman data, pengujian akurasi logika fuzzy, pengujian efektivitas sistem dalam menjaga kondisi suhu dan kelembapan, pengujian perbandingan dengan kumbung manual, serta pengujian penghitungan konsumsi listrik dan Pengujian koneksi bertujuan untuk mengetahui lama waktu yang dibutuhkan mikrokontroler untuk dapat terkoneksi dengan internet.
Pengujian akan dilakukan dalam rentang 1 Ae 20 meter dari modem WiFi.
Pengujian dinyatakan berhasil apabila mikrokontroler dapat terhubung dengan WiFi dalam waktu kurang dari 30 detik.
Selain pengujian koneksi, pengujian lainnya yang dilaksanakan adalah pengujian pengiriman Ini dilakukan guna mengetahui berapa lama waktu yang dibutuhkan oleh mikrokontroler dalam mengirimkan data menuju ke basis data yang digunakan, yaitu Firebase Realtime Database.
Sama seperti pada pengujian koneksi, pengujian juga dilakukan pada rentang 1 Ae 20 meter dari modem WiFi.
Pengujian dinyatakan berhasil apabila mikrokontroler berhasil mengirim data menuju basis data dalam waktu kurang dari 20 detik.
Pengujian lainnya adalah pengujian respons Pengujian ini bertujuan guna mengetahui waktu yang dibutuhkan mikrokontroler dalam merespon perintah untuk menyalakan aktuator kipas, pompa, dan heater dari aplikasi mobile.
Pengujian dinyatakan berhasil jika aktuator dapat menyala kurang dari 20 detik.
Pengujian penghitungan logika fuzzy.
Pengujian ini dilakukan untuk menguji keakuratan hasil pengitungan logika fuzzy dengan program referensi.
Dalam hal ini, sebuah program berbasis python dibuat untuk menjadi referensi pembanding dengan hasil penghitungan logika fuzzy yang dilakukan oleh Untuk menghitung akurasi hasil penghitungan logika fuzzy, persamaan yang digunakan adalah sebagai berikut.
Selain pengujian akurasi logika fuzzy, pengujian lainnya yang akan dilakukan adalah pengujian efektivitas sistem.
Pengujian dilakukan dengan melihat bagaimana kemampuan sistem dalam menjaga kondisi ideal suhu dan kelembapan pada kumbung jamur tiram, yaitu dalam hal ini adalah 24 Ae 27 derajat celsius dan 80 Ae 90 persen berdasarkan pengoperasiannya selama 24 jam.
Pengujian keenam yang dilaksanakan penelitian ini adalah dengan mengomparasikan hasil panen jamur tiram yang dibudidayakan dengan sistem ini dengan jamur tiram yang dibudidayakan secara Dalam hal ini, proses pengendalian terhadap suhu dan kelembapan secara manual dilakukan dengan cara melakukan penyiraman sebanyak tiga kali sehari secara teratur.
Pengujian terakhir yang dilaksanakan adalah pengujian untuk menghitung konsumsi listrik dan air dalam satu hari pemakaian.
Hasil penghitungan ini dapat menjadi dasar untuk estimasi penghitungan biaya listrik dan air selama sebulan.
Ini dapat memudahkan petani dalam memperkirakan berapa biaya operasional yang harus dikeluarkan setiap Adapun persamaan yang digunakan dalam menghitung konsumsi listrik dan air sendiri adalah sebagai berikut.
406 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
6 Tahap Optimize Pada tahap keenam yang sekaligus tahapan terakhir ini, identifikasi kekurangan akan dilakukan terhadap sistem yang telah berjalan.
Identifikasi kekurangan ini penting untuk dilakukan sebagai bahan evaluasi, bentuk pencegahan terhadap masalah baru di kemudian hari, serta rekomendasi perbaikan pada penelitian selanjutnya.
HASIL DAN PEMBAHASAN
1 Implementasi Sistem Implementasi sistem berupa wadah .
yang digunakan sebagai sistem pemantauan dan pengendalian pada budidaya jamur tiram berbasis IoT menggunakan logika fuzzy.
Wadah ini dapat dilihat pada Gambar 16 dan 17.
Bahan ini dipilih karena sifatnya yang mampu meredam panas.
Penggunaan aluminium foil diharapkan membuat suhu di dalam box sistem akan tetap stabil.
Selain itu, implementasi juga dilakukan pada aplikasi mobile.
Aplikasi mobile ini dibuat dengan memanfaatkan Flutter SDK.
Implementasi aplikasi mobile ini sendiri dapat dilihat pada Gambar 18.
Dengan aplikasi mobile ini, petani selaku pengguna sistem ini dapat melakukan proses pemantauan kondisi suhu serta kelembapan pada kumbungnya secara berkala.
Selain itu, petani juga dapat mengendalikan aktuator-aktuator yang digunakan dalam sistem ini.
2 Pengujian Sistem 1 Pengujian Koneksi Hasil pengujian koneksi mikrokontroler terhadap WiFi yang telah dilaksanakan dapat dilihat pada Tabel 4.
Pengujian Gambar 16.
Implementasi Sistem (Tampak Lua.
0Ae1 1Ae5 6 Ae 10 Gambar 17.
Implementasi Sistem (Tampak Dala.
11 Ae 15 16 Ae 20 Tabel 4.
Hasil Pengujian Koneksi RataWaktu Rata .
0,592 1,592 1,591 1,191 1,591 0,592 0,591 3,605 1,652 1,805
1,592
1,592
0,592
1,608
1,654
1,910
4,091
1,608
0,652
1,607
1,592
1,206
0,592
1,591
0,642
1,591
6,593
2,504
2,107
1,591
Pengujian Ke- Standar Deviasi .
0,547 1,098 1,298 0,543 2,345 Berdasarkan hasil pengujian yang telah mikrokontroler dapat terkoneksi dengan WiFi dalam waktu kurang dari 30 detik, di mana mikrokontroler rata-rata bahkan dapat terkoneksi dalam waktu kurang dari 5 detik.
2 Pengujian Pengiriman Data Gambar 18.
Implementasi Aplikasi Mobile Triplek berketebalan 12 milimeter berukuran 47 y 40 y 40 sentimeter digunakan sebagai bahan untuk implementasi sistem.
Adapun di dalam box yang dibuat, aluminium foil digunakan untuk melapisi Hasil pengujian pengiriman data yang telah dilakukan dapat dilihat pada Tabel 5.
Dari hasil pengujian yang telah dilaksanakan, menunjukkan bahwa mikrokontroler mampu mengirimkan data menuju Firebase Realtime Hidayat & Ulum, dkk.
Implementasi Sistem PemantauanA 407 Database dalam waktu kurang dari 20 detik, dengan keseluruhan rata-rata hasil pengujian pada setiap rentangnya bahkan masih berada di bawah satu Tabel 5.
Hasil Pengujian Pengiriman Data RataStandar Pengujian Waktu Pengujian Rata Deviasi Ke.
0,447 0,298 0Ae1
0,372
0,315
0,137
0,093
0,653
0,277
1Ae5
0,432
0,416
0,157
0,440
0,279
0,775
0,125
6 Ae 10
0,421
0,556
0,295
0,664
0,795
1,164
0,377
11 Ae 15
0,414
0,813
0,399
1,006
1,107
0,925
0,605
16 Ae 20
0,768
0,684
0,194
0,715
0,405
3 Pengujian Respons Sistem Hasil pengujian respons sistem terhadap perintah yang diberikan melalui aplikasi mobile terhadap masing-masing aktuator dapat dilihat pada Tabel 6.
Hasil pengujian menunjukkan bahwa sistem mampu memberikan respons terhadap perintah yang diberikan dalam waktu kurang dari 20 detik untuk menyalakan aktuator-aktuator yang digunakan, yaitu kipas, pompa, serta heater.
Secara umum sistem memang tidak dapat merespon dalam waktu di bawah satu detik, karena mikrokontroler harus menjalankan kode programnya satu persatu, atau dengan kata lain pemogramannya memang belum dibuat secara konkuren.
Pengujian Rata-Rata .
Standar Deviasi .
Tabel 6.
Hasil Pengujian Respons Sistem Respon Aktuator .
Kipas Pompa
Heater
3,250
3,380
6,560
3,600
2,850
7,220
2,750
2,920
4,170
5,140
2,060
6,430
4,300
6,550
1,060
3,800
3,550
5,080
0,934
1,742
2,529
4 Pengujian Akurasi Penghitungan Logika Fuzzy Hasil pengujian akurasi penghitungan logika fuzzy yang telah dilakukan untuk seluruh output, yaitu PWM Kipas.
Durasi Pompa, dan Durasi Heater dapat dilihat pada Tabel 7, 8, dan 9.
Tabel 7.
Hasil Pengujian Akurasi Penghitungan PWM Kipas Input
Output (PWM) Suhu
Hasil
Kelembapan ESP
Python
(%)
(AC)
27,30
83,00
Akurat
27,20
85,00
Akurat
27,40
85,00
Akurat
27,50
85,00
Akurat
26,80
85,00
Akurat
27,30
86,00
Akurat
27,20
88,00
Akurat
27,00
85,00
Akurat
27,00
84,00
Akurat
26,80
80,00
Akurat
27,60
84,00
Akurat
27,40
79,00
Akurat
27,30
77,00
Akurat
26,10
75,00
Akurat
25,50
81,00
Akurat Tabel 8.
Hasil Pengujian Akurasi Penghitungan Durasi Pompa Input Output .
Kelem Suhu
Hasil
ESP32
Python
(AC)
(%)
27,30
83,00
252,75
252,75
Akurat
27,20
85,00
Akurat
27,40
85,00
Akurat
27,50
85,00
251,25
251,25
Akurat
26,80
85,00
Akurat
27,30
86,00
252,75
252,75
Akurat
27,20
88,00
Akurat
27,00
85,00
Akurat
27,00
84,00
Akurat
26,80
80,00
Akurat
27,60
84,00
Akurat
27,40
79,00
Akurat
27,30
77,00
Akurat
26,10
75,00
Akurat
25,50
81,00
Akurat Tabel 9.
Hasil Pengujian Akurasi Penghitungan Durasi Heater Input Output .
Hasil
Suhu
Kelemba
ESP32
Python
(AC)
pan (%) 27,30 83,00 Akurat
27,20
85,00
Akurat
27,40
85,00
Akurat
27,50
85,00
Akurat
26,80
85,00
Akurat
27,30
86,00
Akurat
27,20
88,00
Akurat
27,00
85,00
Akurat
27,00
84,00
Akurat
26,80
80,00
Akurat
27,60
84,00
Akurat
27,40
79,00
Akurat
27,30
77,00
Akurat
26,10
75,00
Akurat
25,50
81,00
Akurat Dari hasil pengujian ini, akurasinya adalah sebagai 408 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
Tabel 10.
Hasil Pengujian Efektivitas Sistem
Sebelum Sesudah Pengendalian Pengendalian Waktu Suhu Kelembapan Suhu Kelembapan (AC) (AC) (%) (%) 27,20 85,00 26,60 90,00 27,50 85,00 26,80 89,00 26,80 85,00 26,70 86,00 27,20 88,00 26,60 90,00 27,00 85,00 26,80 88,00 26,80 80,00 26,40 82,00 27,60 84,00
26,70
86,00
27,30
77,00
26,80
87,00
27,20
81,00
25,80
86,00
27,20
75,00
25,30
84,00
27,20
80,00
26,60
85,00
27,40
79,00
24,90
90,00
25,30
89,00
25,10
90,00
27,20
82,00
25,80
88,00
27,40
81,00
26,00
89,00
26,00
87,00
87,00
24,90
87,00
24,80
87,00
26,20
86,00
26,20
87,00
25,50
87,00
25,50
88,00
25,70
87,00
25,60
88,00
25,60
86,00
25,50
87,00
25,60
85,00
25,50
86,00
25,90
86,00
25,90
87,00
25,70
86,00
25,50
86,00
Rata26,99 83,16 26,35 86,33 Rata Standar
0,70
3,87
0,98
2,12
Deviasi Dari keseluruhan pengujian akurasi ini, didapatkan temuan bahwa akurasi penghitungan logika fuzzy di antara yang dilakukan oleh mikrokontroler dengan program python sebagai referensi sangat tinggi, yaitu 100% untuk masingmasing output.
4 Pengujian Efektivitas Sistem Hasil pengujian efektivitas sistem dalam menjaga kondisi ideal suhu dan kelembapan selama 24 jam penuh dapat dilihat pada Tabel 10.
Adapun grafik perubahan suhu dan kelembapan selama 24 jam pengoperasian sistem ini dapat dilihat pada Gambar 19 dan 20.
Gambar 20.
Grafik Perubahan Kelembapan Selama 24 Jam Dari hasil pengujian keempat ini, didapatkan temuan bahwa sistem mampu mengawal kondisi suhu serta kelembapan dalam kumbung jamur tiram supaya tetap berada dalam kondisi yang ideal, yaitu 24 Ae 27 derajat celsius dan 80 Ae 90 persen.
5 Pengujian Penghitungan Konsumsi Listrik dan Air Gambar 19.
Grafik Perubahan Suhu Selama 24 Jam Untuk melakukan penghitungan konsumsi listrik, diperlukan data konsumsi daya komponenkomponen yang digunakan.
Dalam hal ini, data konsumsi daya dikumpulkan dari spesifikasi komponen yang terdapat dalam datasheet ataupun yang tertera dalam platform e-commerce.
Selain itu, data lama aktifnya masing-masing komponen juga diperlukan untuk dapat menghitung nilai konsumsi listrik yang digunakan.
Adapun lama aktifnya masing-masing komponen dalam satu harinya Hidayat & Ulum, dkk.
Implementasi Sistem PemantauanA 409 didapatkan dari hasil pengujian efektivitas sistem.
Hasil pengujian penghitungan konsumsi listrik sendiri dapat dilihat pada Tabel 11.
No.
Tabel 11.
Konsumsi Daya Sistem Dalam Sehari Komponen Daya Lama Energi (Wat.
Aktif (W.
NodeMCU
1,65
ESP32
LCD I2C 20 x 4
1,25
Sensor DHT22
0,00495
0,27
0,00134
Modul RTC
0,00099
0,0238
DS3231
Relay 5 V .
0,50 1,87 0,939 Kipas DC 12 V
buah, rata14,6 1,87 rata 155 PWM) Pompa DC 12 V
1,87
Heater
143,06
Total (W.
0,143 Total .
Berdasarkan tabel di atas, didapatkan temuan bahwa sistem ini hanya mengonsumsi daya sebesar 0,143 kWh saja dalam satu hari.
Dalam hal ini, tidak semua komponen aktif selama 24 jam penuh, seperti Sensor DHT22 yang hanya aktif selama 0,27 jam .
, dan akuator .
ipas, pompa, serta rela.
yang hanya aktif selama 1,87 jam .
jam 53 meni.
Artinya, energi listrik yang diperlukan sangatlah kecil untuk dapat mengoperasikan sistem Selain listrik, konsumsi air juga perlu dihitung.
Untuk menghitung konsumsi air sendiri, data-data yang diperlukan adalah debit pompa sesuai spesifikasi yang tercantum pada platform ecommerce tempat pembelian pompa, serta lama aktifnya pompa dalam satu hari.
Dalam spesifikasi yang tercantum, debit pompa yang digunakan adalah 1,4 liter/menit, sedangkan lama aktifnya sendiri adalah 1 jam 53 menit .
Dari data-data tersebut, konsumsi airnya adalah sebagai berikut.
Berdasarkan hasil penghitungan di atas, didapatkan dalam satu hari adalah 0,158 m3.
Terlihat cukup besar, tetapi, ini menjadi beralasan karena perlunya kumbung jamur tiram untuk senantiasa dalam kondisi kelembapan yang tinggi.
Hasil pengujian ini tidak menggambarkan kebutuhan harian secara pasti.
Konsumsi listrik dan air bisa lebih rendah lagi jika kondisi suhu dan kelembapan kumbung telah stabil.
6 Pengujian Perbandingan Hasil Panen Dengan Sistem Manual Dalam pengujian perbandingan ini, baik sistem manual maupun sistem yang dilengkapi dengan IoT dan logika fuzzy sama-sama menggunakan empat buah baglog.
Adapun kumbung manual pembanding ini sendiri dapat dilihat pada Gambar 21.
Gambar 21.
Kumbung Manual Sebagai Pembanding Untuk hasil pengujiannya sendiri dapat dilihat pada Tabel 12.
Tabel 12.
Hasil Pengujian Perbandingan Hasil Panen Dengan Sistem Manual Hasil .
Baglog keSistem IoT dan Sistem Manual Fuzzy Jumlah Hasil menunjukkan bahwa sistem hasil pengembangan dari penelitian ini telah efektif dalam mendukung keberhasilan budidaya jamur tiram, dengan hasil sebanyak 500 gram dari seluruh baglog yang Di saat yang bersamaan, baglog yang dibudidayakan secara manual justru mengalami kegagalan panen.
Hasil pengujian ini bisa dikatakan sejalan, jika dikomparasikan dengan penelitian lainnya oleh Dani et al.
, di mana pertumbuhan jamur tiram yang dibudidayakan dengan menggunakan kendali logika fuzzy juga jauh lebih baik dibandingkan dengan jamur tiram yang dibudidayakan secara manual.
Meskipun demikian, dalam penelitian tersebut, kendali pada sistem pembanding masih dijalankan secara otomatis tetapi tanpa menggunakan logika Selain itu, frekuensi penyiraman juga lebih banyak .
mpat kal.
, jika dikomparasikan dengan penelitian ini yang hanya tiga kali dan dilakukan secara manual oleh manusia.
Hal tersebut memperlihatkan adanya jurang perbedaan yang besar di antara hasil pembudidayaan secara manual, pembudidayaan secara otomatis dengan logika fuzzy.
410 Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK).
Vol.
No.
April 2026, hlm.
3 Analisis Keekonomian Sistem Dalam membuat sebuah sistem, termasuk sistem ini, ada biaya investasi yang harus dikeluarkan.
Adapun biaya yang dikeluarkan mencakup biaya awal serta biaya operasional.
Rincian biaya investasi yang mesti dikeluarkan sendiri dapat dilihat pada Tabel 13.
Tabel 13.
Biaya Investasi Sistem Berbasis IoT dan Logika Fuzzy No.
Komponen Biaya Biaya Awal Mikrokontroler.
Sensor, dan Rp398.
750,00
Aktuator Kabel.
Breadboard.
Stop Kontak.
Rp242.
250,00
Power Supply, dan Adaptor Triplek.
Aluminium foil.
Skotlet.
Rp271.
160,00
dan Baut Perakitan Kumbung Rp100.
000,00
Rp1.
160,00
Total Biaya Awal Biaya Operasional Pembelian Baglog .
Rp32.
000,00
Biaya Air .
,158 m3 x 30 hari = Rp23.
226,00
4,74 m3, 1 m3 = Rp4.
Biaya Listrik .
,143 kWh x 30 hari Rp6.
197,76
= 4,29 kWh, 1 kWh = Rp1.
Biaya Internet Rp50.
000,00
Rp111.
423,76
Total Biaya Operasional Rp1.
683,76
TOTAL
Biaya investasi di atas tetap memiliki potensi Biaya air dan listrik bisa lebih rendah lagi jika kondisi suhu dan kelembapan kumbung sudah Selain itu biaya pembelian baglog bukan merupakan biaya yang harus dikeluarkan setiap bulan, karena baglog secara umum dapat digunakan hingga tiga bulan.
Hal ini menandakan bahwa sistem mendukung keberlanjutan dengan adanya efisiensi biaya operasional untuk jangka panjang.
Adapun untuk biaya investasi yang dikeluarkan untuk sebuah sistem budidaya berbasis manual, rinciannya dapat dilihat melalui Tabel 14.
Tabel 14.
Biaya Investasi Sistem Manual No.
Komponen Biaya Biaya Awal Triplek.
Aluminium foil.
Skotlet.
Rp271.
160,00
dan Baut Penyiram Tanaman 1 liter Rp23.
940,00
Perakitan Kumbung Rp100.
000,00
Rp395.
100,00
Total Biaya Awal Biaya Operasional Pembelian Baglog .
Rp32.
000,00
Biaya Air .
,001 m3 x 30 hari = Rp441,00 0,03 m3, 1 m3 = Rp4,900,.
Biaya Tenaga Kerja .
Rp1.
000,00
Rp1.
441,00
Total Biaya Operasional Rp1.
541,00
TOTAL
Dari perbandingan biaya yang dikeluarkan dan hasil panen di antara kedua sistem, menunjukkan bahwa sistem yang dikembangkan dalam penelitian ini lebih efektif secara teknis.
Namun, dengan kapasitas yang ada sekarang, keuntungan finansial tidak akan diperoleh dalam waktu singkat.
Meskipun demikian, adanya peningkatan hasil produksi jamur tiram menunjukkan bahwa potensi skalabilitas sistem ini masih memungkinkan.
Peningkatan perangkat terhubung, kapasitas baglog, serta kapasitas basis penyimpanan data yang digunakan akan meningkatkan potensi tercapainya keuntungan finansial yang lebih cepat.
Walaupun begitu, jika peningkatan kapasitas ini dilakukan maka akan berdampak pada kenaikan biaya investasi yang harus KESIMPULAN DAN SARAN Dari keseluruhan proses penelitian, dapat ditarik kesimpulan bahwa sistem berhasil memenuhi kebutuhan yang ada untuk membuat proses budidaya menjadi lebih optimal, seperti memantau kondisi .
uhu menyampaikannya kepada pengguna.
Selain itu, sistem juga dapat melakukan pengendalian otomatis dan akurat terhadap kondisi lingkungan yang ada.
Sistem mampu beroperasi untuk menjaga kondisi kumbung selama 24 jam penuh untuk menjaga kondisi kumbung tetap ideal.
Penggunaan sistem ini juga berdampak terhadap hasil panen jamur tiram yang lebih maksimal.
Penelitian ini masih memiliki keterbatasan.
Maka diperlukan sebuah pengembangan lebih lanjut.
Saran yang dapat diberikan untuk pengembangan selanjutnya adalah perlunya meningkatkan kapasitas sistem sehingga jumlah baglog yang digunakan dapat lebih banyak lagi.
Dengan pengembangan tersebut, diharapkan sistem ini dapat lebih efektif terhadap optimalisasi budidaya jamur tiram sehingga berdampak terhadap keuntungan yang lebih signifikan dalam periode waktu yang lebih singkat.
DAFTAR PUSTAKA