Jurnal TRANSFORMATIKA Vol.
No.
July 2026, pp.
1 - 16
P-ISSN: 1693-3656.
E-ISSN: 2460-6731
https://journals.
id/index.
php/transformatika/ n page 1 Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT Sabila Marista Losya 1* .
Robby Kurniawan Budhi 2 .
Agus Prayitno 3 Universitas Widya Kartika/Teknik Informatika Jalan Sutorejo Prima Utara II No 1 Surabaya, email: sabilalosya@gmail.
Universitas Widya Kartika/Teknik Informatika Jalan Sutorejo Prima Utara II No 1 Surabaya, email: robby@widyakartika.
Universitas Widya Kartika/Teknik Informatika Jalan Sutorejo Prima Utara II No 1 Surabaya, email: agus.
sby@gmail.
ARTICLE INFO
History of the article :
Received 27 April 2026 Received in revised form 10 Juli 2026 Accepted 10 Juli 2026 Available online 18 Juli 2026 Keywords:
Internet of Things.
Fuzzy Sugeno Zero-Order.
Pengendalian otomatis.
Kualitas Udara.
Monitoring real-time * Correspondence:
Telepon :
E-mail:
sabilalosya@gmail.
ABSTRACT
Kualitas udara di dalam rumah hunian yang berada di kawasan industri berpotensi menurun akibat paparan gas dan partikel debu sehingga diperlukan sistem pemantauan dan pengendalian yang dapat bekerja secara otomatis.
Penelitian ini bertujuan mengembangkan prototipe sistem pemantauan dan pengendalian kualitas udara berbasis Internet of Things (IoT) menggunakan metode Fuzzy Sugeno zero-order.
Kontribusi penelitian terletak pada integrasi tahap preprocessing berupa spike limiter.
Exponential Moving Average (EMA), dan averaging sebelum proses inferensi sehingga keputusan pengendalian menjadi lebih stabil terhadap fluktuasi pembacaan sensor.
Sistem dikembangkan menggunakan sensor MQ-135, sensor dust GP2Y1010AU0F, dan DHT22 yang ESP32, sedangkan hasil pemantauan dikirim ke platform ThingSpeak.
Pengujian dilakukan pada kamar mess di kawasan industri Tangerang selama 7Ae11 Maret 2026 dengan menghasilkan 88 data hasil Hasil penelitian menunjukkan bahwa sistem mampu mengklasifikasikan kualitas udara ke dalam kategori Baik.
Sedang, dan Buruk menggunakan rule base Fuzzy Sugeno zero-order, kemudian mengendalikan kipas angin dan air purifier secara otomatis sesuai hasil inferensi.
Data hasil pemantauan juga dapat dikirim dan disimpan secara berkala pada ThingSpeak sehingga kondisi kualitas udara dapat dimonitor secara real-time.
Integrasi preprocessing.
Fuzzy Sugeno zero-order, dan pengendalian otomatis dalam satu sistem IoT menunjukkan bahwa prototipe yang dikembangkan dapat digunakan sebagai alternatif sistem pemantauan dan pengendalian kualitas udara pada rumah hunian atau kamar mess di kawasan industri.
TRANSFORMATIKA.
Vol.
No.
July 2026, pp.
1 - 16
PENDAHULUAN
Kualitas udara di dalam ruangan merupakan salah satu faktor yang memengaruhi kesehatan dan kenyamanan penghuni, terutama pada rumah hunian yang berada di sekitar kawasan industri.
Aktivitas industri, kendaraan berat, dan pembakaran terbuka menghasilkan berbagai polutan berupa gas maupun partikel debu yang dapat masuk ke dalam ruangan melalui ventilasi atau celah Paparan polutan secara terus-menerus berpotensi meningkatkan risiko gangguan pernapasan serta menurunkan kualitas lingkungan dalam ruangan sehingga diperlukan pemantauan kualitas udara secara berkelanjutan .
, .
Perkembangan teknologi Internet of Things (IoT) memungkinkan berbagai sensor lingkungan terhubung ke jaringan internet sehingga proses pemantauan kualitas udara dapat dilakukan secara real-time.
Selain menyediakan informasi kondisi lingkungan, data hasil pemantauan juga dapat dimanfaatkan sebagai dasar pengambilan keputusan untuk mengendalikan perangkat seperti kipas angin dan air purifier secara otomatis sesuai kondisi udara yang terdeteksi .
, .
Dengan demikian, sistem tidak hanya berfungsi sebagai media monitoring, tetapi juga mendukung pengendalian kualitas udara secara otomatis.
Berbagai penelitian telah mengembangkan sistem pemantauan kualitas udara berbasis IoT menggunakan sensor gas dan sensor partikulat.
Penelitian sebelumnya telah menerapkan metode Fuzzy Mamdani untuk pemantauan kualitas udara, namun belum dilengkapi tahap prapengolahan data sensor maupun mekanisme pengendalian aktuator .
Penelitian lain mengembangkan sistem monitoring kualitas udara menggunakan pendekatan threshold dan notifikasi berbasis IoT, tetapi proses pengambilan keputusan masih terbatas pada klasifikasi kondisi udara tanpa penerapan metode fuzzy serta belum mengendalikan perangkat secara otomatis .
Penelitian lain juga telah memanfaatkan sensor MQ-135 dan sensor partikulat untuk pemantauan kualitas udara secara realtime, namun sebagian besar masih berfokus pada fungsi monitoring atau evaluasi performa sensor secara terpisah .
, .
Berdasarkan penelitian terdahulu tersebut, masih terdapat kesenjangan penelitian pada integrasi antara stabilisasi data sensor, proses pengambilan keputusan, dan pengendalian otomatis dalam satu sistem IoT.
Sebagian besar penelitian masih berfokus pada fungsi monitoring atau klasifikasi kualitas udara secara terpisah, sehingga integrasi antara prapengolahan data sensor, proses inferensi Fuzzy Sugeno, mekanisme stabilisasi keputusan, dan pengendalian aktuator otomatis dalam satu sistem IoT masih belum banyak dibahas.
Akibatnya, fluktuasi pembacaan sensor masih berpotensi menyebabkan perubahan status yang terlalu sering sehingga respons aktuator menjadi kurang stabil pada kondisi pemantauan secara real-time.
Berdasarkan permasalahan tersebut, penelitian ini mengembangkan prototipe pemantauan dan pengendalian kualitas udara berbasis IoT dengan mengintegrasikan sensor MQ-135.
GP2Y1010AU0F, dan DHT22, tahap prapengolahan data menggunakan spike limiter dan Exponential Moving Average (EMA), inferensi Fuzzy Sugeno zero-order, mekanisme stabilisasi keputusan melalui confirm counter dan hold time, serta pengendalian otomatis kipas angin dan air Kebaruan penelitian ini terletak pada penerapan rangkaian prapengolahan data menggunakan spike limiter dan Exponential Moving Average (EMA), mekanisme stabilisasi keputusan melalui confirm counter dan hold time, serta pemanfaatan hasil inferensi Fuzzy Sugeno zero-order sebagai dasar pengendalian otomatis aktuator dalam satu sistem IoT.
Pendekatan tersebut dirancang untuk mengurangi perubahan status akibat fluktuasi pembacaan sensor sehingga keputusan pengendalian menjadi lebih stabil pada kondisi pemantauan secara real-time.
Penelitian ini bertujuan mengembangkan prototipe pemantauan dan pengendalian kualitas udara berbasis IoT yang mampu menghasilkan keputusan pengendalian secara lebih stabil melalui penerapan prapengolahan data dan inferensi Fuzzy Sugeno zero-order.
Sistem yang dikembangkan Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT (Sabila Marista Losy.
diharapkan dapat menjadi alternatif solusi untuk pemantauan dan pengendalian kualitas udara pada rumah hunian di sekitar kawasan industri.
METODE PENELITIAN
Desain Penelitian Penelitian menggunakan metode pengembangan prototipe berbasis Internet of Things (IoT) untuk membangun sistem pemantauan dan pengendalian kualitas udara secara bertahap .
, .
Waktu dan Lokasi Penelitian Penelitian dilakukan pada kamar mess karyawan di kawasan industri Tangerang yang dipilih sebagai lokasi pengujian karena memiliki potensi paparan polusi udara dari aktivitas industri dan lalu lintas kendaraan.
Alat dan Bahan Sistem terdiri atas ESP32, sensor MQ-135 .
, sensor debu GP2Y1010AU0F .
DHT22, relay dua kanal.
OLED .
, kipas angin, air purifier, dan platform ThingSpeak .
Sumber dan Jenis Data Data yang digunakan dalam penelitian ini merupakan data primer yang diperoleh secara langsung dari sensor IoT, meliputi nilai gas .
ir qualit.
dari sensor MQ-135, suhu dan kelembapan dari sensor DHT22, serta konsentrasi partikel debu dari sensor GP2Y1010AU0F.
Data gas dan debu kemudian dipraproses menggunakan metode spike limiter dan Exponential Moving Average (EMA) untuk mengurangi fluktuasi pembacaan sensor, selanjutnya dirata-ratakan selama interval 30 menit sebelum dikirim ke platform ThingSpeak sebagai data pengujian.
Perancangan Sistem Sistem yang dikembangkan terdiri atas tiga bagian utama, yaitu input, unit pemrosesan, dan output.
Perancangan sistem divisualisasikan menggunakan Use Case Diagram.
Activity Diagram, dan Diagram Metode Prototipe untuk menggambarkan interaksi pengguna, alur kerja sistem, serta tahapan pengembangan sistem.
DOI : https://doi.
org/10.
26623/transformatika.
TRANSFORMATIKA.
Vol.
No.
July 2026, pp.
1 - 16
Gambar 1.
Use Case Diagram menunjukkan interaksi antara pengguna dan sistem Gambar 2.
Activity Diagram menggambarkan alur aktivitas dari pemantauan hingga pengendalian kualitas udara Prosedur Penelitian Prosedur penelitian dilakukan menggunakan metode pengembangan prototipe yang meliputi tahap identifikasi kebutuhan sistem, perancangan, pembangunan prototipe, pengujian, evaluasi, dan penyempurnaan sistem hingga diperoleh prototipe akhir.
Tahapan penelitian ditunjukkan pada Gambar 3.
Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT (Sabila Marista Losy.
Gambar 3.
Skema Diagram Metode Pengembangan Sistem Prototipe Teknik Pengumpulan Data Teknik Pengumpulan Data Data dikumpulkan secara otomatis menggunakan sensor yang terhubung dengan ESP32.
Pembacaan dilakukan setiap 10 detik, kemudian dipraproses dan dirata-ratakan selama interval 30 menit sebelum dikirim ke platform ThingSpeak sebagai data pengujian.
Teknik Analisis Data Data hasil pembacaan sensor dipraproses menggunakan spike limiter dan Exponential Moving Average (EMA), kemudian diklasifikasikan dengan crisp threshold sebelum diproses menggunakan metode Fuzzy Sugeno zero-order untuk menentukan pengendalian actuator .
Prapengolahan Data (Preprocessin.
Data sensor MQ-135 dan GP2Y1010AU0F diproses menggunakan metode Exponential Moving Average (EMA) untuk mengurangi fluktuasi pembacaan akibat noise .
Perhitungan EMA ditunjukkan pada Persamaan .
yciycaycyaycAyayc = yu UI yciycaycycIycaycyc .
Oe y.
UI yciycaycyaycAyayc Oe 1 Dengan .
= 0,3 digunakan sebagai faktor smoothing untuk meredam noise pada pembacaan sensor.
Pada sensor debu GP2Y1010AU0F, data analog terlebih dahulu dikonversi menjadi nilai tegangan dan konsentrasi partikel debu sebelum dilakukan proses penyaringan.
Persamaan konversi ditunjukkan pada Persamaan .
dan Persamaan .
yayaya ycOycuycyc = 4095 y 3.
ycEycAycycayc = .
cOycuycyc Oe 0.
Nilai ycEycAycycayc selanjutnya diproses menggunakan spike limiter dan EMA.
Untuk mengurangi perubahan nilai yang terlalu besar akibat gangguan sesaat, sistem menerapkan mekanisme spike limiter sebelum proses filtering.
Persamaan spike limiter ditunjukkan pada Persamaan .
DOI : https://doi.
org/10.
26623/transformatika.
TRANSFORMATIKA.
Vol.
No.
July 2026, pp.
1 - 16
ycEycAycyceycayceycoycycoycuycyca 200, ycycnycoyca ycoycuycuycycaycoycaycu ycuycaycnyco ycEycAycoycnycoycnyc = .
cEycAycyceycayceycoycycoycuycyca Oe 200, ycycnycoyca ycoycuycuycycaycoycaycu ycycycycycu ycEycAycycayc, ycycnycoyca ycoycaycycnEa yccycaycoycayco ycaycaycycayc Nilai ycEycAycoycnycoycnyc dibatasi sebesar A200 untuk meredam lonjakan akibat noise sebelum proses EMA.
Setelah melalui proses spike limiter, data sensor debu difilter menggunakan Exponential Moving Average (EMA) sebagaimana ditunjukkan pada Persamaan .
ycEycAyaycAya = yu UI ycEycAycoycnycoycnyc .
Oe y.
UI ycEycAycyceycayceycoycycoycuycyca Dengan nilai yu = 0.
3 hasil preprocessing dirata-ratakan setiap 30 menit sebelum dikirim ke ThingSpeak dan digunakan sebagai masukan inferensi.
Nilai hasil preprocessing dirata-ratakan setiap 30 menit menggunakan Persamaan .
yaycyci = Ocycu ycn=1 ycuycn ycu Nilai rata-rata digunakan sebagai data pengujian yang dikirim ke ThingSpeak.
Penentuan Threshold Data hasil preprocessing diklasifikasikan ke dalam kategori Baik.
Sedang, dan Buruk menggunakan pendekatan crisp threshold.
Pendekatan ini dipilih karena menghasilkan komputasi yang lebih sederhana dan sesuai untuk implementasi real-time pada ESP32 .
Tabel 1 Threshold Klasifikasi Sensor Parameter Baik Sedang Buruk Gas MQ-135 <1500 1500Ae3000 >3000 Debu PM (GP2Y1010AU0F) <150 150Ae500 >500 Nilai threshold ditentukan berdasarkan karakteristik sensor serta hasil observasi awal.
Rule Base Fuzzy Sugeno Zero-Order Metode Fuzzy Sugeno zero-order menggunakan aturan IFAeTHEN dengan konsekuen berupa nilai konstan.
Bentuk umum aturan ditunjukkan pada Persamaan .
yaya ( ycu1ycayccycaycoycaEa ya.
yaycAya .
cu2 ycayccycaycoycaEa ya.
ycNyayaycA yc = yco Dengan ycu1 menyatakan kondisi gas, ycu2 kondisi debu, dan yco nilai konstan keluaran .
Setiap aturan menghasilkan nilai konstan 0 (Bai.
, 1 (Sedan.
, atau 2 (Buru.
Tabel 2 Rule Base Fuzzy Sugeno Zero-Order Gas Baik Baik Baik Debu Baik Sedang Buruk Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT (Sabila Marista Losy.
Sedang Sedang Sedang Buruk Buruk Baik Sedang Buruk Baik Sedang Buruk Buruk Inferensi dan Defuzzifikasi Setelah klasifikasi threshold, sistem mencocokkan kategori sensor dengan rule base.
Karena menggunakan single firing rule, hanya satu aturan yang aktif sehingga Persamaan .
disederhanakan menjadi yc = ycycn.
Nilai tersebut digunakan sebagai dasar pengendalian aktuator .
yc= Ocycu ycn=1 ycOycn ycsycn Ocycu ycn=1 ycOycn Tabel 3 Konversi Nilai Output Konstan .
ke Status Kualitas Udara Nilai z Status Baik Sedang Buruk Untuk meningkatkan kestabilan keputusan, sistem menerapkan confirm counter sebanyak tiga kali pembacaan berturut-turut dan hold time selama dua menit sebelum memperbarui status kualitas udara.
HASIL
Pengujian dilakukan untuk mengevaluasi implementasi sistem, proses inferensi Fuzzy Sugeno zero-order, pengendalian aktuator, serta pengiriman data ke platform ThingSpeak.
Implementasi Sistem Implementasi sistem dilakukan dengan merealisasikan rancangan ke dalam prototipe berbasis Internet of Things (IoT) yang terdiri atas sensor MQ-135, sensor debu GP2Y1010AU0F, sensor DHT22.
ESP32, relay.
OLED, kipas angin, air purifier, dan platform ThingSpeak.
Sistem mengintegrasikan proses pembacaan sensor, inferensi Fuzzy Sugeno zero-order, pengendalian aktuator, serta monitoring data secara real-time.
DOI : https://doi.
org/10.
26623/transformatika.
TRANSFORMATIKA.
Vol.
No.
July 2026, pp.
1 - 16
Gambar 4.
Ilustrasi Implementasi Sistem pada Lingkungan Kamar Mess Gambar 5.
Kondisi Aktual Lingkungan Kamar Mess sebagai Lokasi Pengujian Gambar 6.
Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Hasil Akuisisi Data Sensor Hasil pengujian diperoleh dari implementasi sistem pada kamar mess karyawan di kawasan industri Tangerang.
Sensor melakukan pembacaan secara berkala, kemudian data dipraproses menggunakan spike limiter dan Exponential Moving Average (EMA), dirata-ratakan, dan digunakan sebagai data analisis.
Hasil Monitoring Sensor MQ-135 Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT (Sabila Marista Losy.
Gambar 7.
Grafik Hasil Monitoring Sensor MQ-135 Hasil Monitoring Sensor Debu GP2Y1010AU0F Gambar 8.
Grafik Hasil Monitoring Sensor Debu Hasil Monitoring Suhu dan Kelembapan Gambar 9.
Grafik Hasil Monitoring Suhu dan Kelembapan Hasil monitoring menunjukkan nilai gas berada pada rentang 589,10Ae4054,11, konsentrasi debu 252,98Ae1906,82, suhu 27,00Ae32,97AC, dan kelembapan 60Ae82,40% sebagaimana ditunjukkan pada Gambar 7Ae9.
Ringkasan Data Pengujian Tabel 4.
Ringkasan Data Hasil Pengujian Parameter Gas MQ-135
Debu
GP2Y1010AU0F
Suhu (AC) Kelembapan (%) Minimum Maksimum
589,10
4054,11
252,98
1906,82
27,00
60,00
32,97
82,40
Ringkasan nilai minimum dan maksimum hasil pengukuran setiap parameter selama pengujian ditunjukkan pada Tabel 4.
Data tersebut selanjutnya digunakan sebagai masukan proses inferensi Fuzzy Sugeno zero-order.
Implementasi Metode Fuzzy Sugeno Zero-Order Implementasi metode Fuzzy Sugeno zero-order pada sistem dilakukan melalui tiga tahap, yaitu klasifikasi menggunakan crisp threshold, pencocokan terhadap rule base, dan penentuan nilai keluaran .
sebagai dasar pengendalian aktuator.
DOI : https://doi.
org/10.
26623/transformatika.
TRANSFORMATIKA.
Vol.
No.
July 2026, pp.
1 - 16
Implementasi Klasifikasi Threshold Nilai rata-rata sensor gas dan debu diklasifikasikan ke dalam kategori Baik.
Sedang, dan Buruk berdasarkan threshold pada Tabel 1.
Implementasi klasifikasi pada ESP32 ditunjukkan pada Listing Program 1.
asAvg < 1.
gasLevel = BAIK.
else if .
asAvg <= 3.
gasLevel = SEDANG.
else gasLevel = BURUK.
mAvg < .
pmLevel = BAIK.
else if .
mAvg <= .
pmLevel = SEDANG.
else pmLevel = BURUK.
Listing Program 1 menunjukkan implementasi klasifikasi nilai sensor berdasarkan threshold yang telah ditentukan.
Implementasi Rule Base Setelah proses klasifikasi, sistem mencocokkan kategori sensor terhadap rule base Fuzzy Sugeno zero-order.
Implementasi rule base ditunjukkan pada Listing Program 2.
asLevel == BAIK && pmLevel == BAIK) z = 0.
else if .
asLevel == BAIK && pmLevel == SEDANG) z = 0.
else if .
asLevel == BAIK && pmLevel == BURUK) z = 1.
else if .
asLevel == SEDANG && pmLevel == BAIK) z = 1.
else if .
asLevel == SEDANG && pmLevel == SEDANG) z = 1.
else if .
asLevel == SEDANG && pmLevel == BURUK) z = 1.
else if .
asLevel == BURUK && pmLevel == BAIK) z = 1.
else if .
asLevel == BURUK && pmLevel == SEDANG) z = 1.
z = 2.
Listing Program 2 menunjukkan implementasi sembilan aturan Fuzzy Sugeno zeroorder yang menghasilkan nilai keluaran 0, 1, atau 2.
Implementasi Inferensi dan Pengendalian Aktuator Nilai keluaran .
digunakan sebagai dasar pembaruan status kualitas udara dan pengendalian aktuator melalui mekanisme confirm counter dan hold time.
Implementasinya ditunjukkan pada Listing Program 3.
const int CONFIRM_REQUIRED = 3.
const unsigned long HOLD_TIME = 120000.
urrentState != pendingStat.
{ pendingState = currentState.
confirmCounter = 1.
confirmCounter .
onfirmCounter >= CONFIRM_REQUIRED && millis() - lastStateChange >= HOLD_TIME) { airStatus = pendingState.
lastStateChange = millis().
irStatus == BAIK) { digitalWrite(RELAY_FAN.
HIGH).
digitalWrite(RELAY_PURIFIER.
HIGH).
else if .
irStatus == SEDANG) { digitalWrite(RELAY_FAN.
LOW).
digitalWrite(RELAY_PURIFIER.
HIGH).
Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT (Sabila Marista Losy.
digitalWrite(RELAY_FAN.
LOW).
digitalWrite(RELAY_PURIFIER.
LOW).
Listing Program 3 menunjukkan implementasi pembaruan status kualitas udara dan pengendalian relay.
Modul relay yang digunakan bersifat active LOW, sehingga logika LOW menunjukkan aktuator aktif (ON), sedangkan HIGH menunjukkan aktuator tidak aktif (OFF).
Hasil Pengujian Sistem Pengujian dilakukan untuk memverifikasi proses inferensi, pengendalian aktuator, serta pengiriman data ke platform ThingSpeak.
Hasil Inferensi Fuzzy Sugeno Zero-Order Tabel 5.
Hasil Inferensi Fuzzy Sugeno Zero-Order No Gas Debu Kategori Gas Kategori Debu Rule Aktif 1 1039,33 424,42 Baik Sedang BaikAeSedang 2 1208,61 719,33 Baik Buruk BaikAeBuruk 3 1506,37 450,13 Sedang Sedang SedangAeSedang 1 4 4054,11 1906,82 Buruk Buruk BurukAeBuruk 2 Contoh perhitungan menggunakan data pertama dengan nilai gas 1039,33 (Bai.
dan debu 424,42 (Sedan.
mengaktifkan aturan IF Gas = Baik AND Debu = Sedang THEN z = 0.
Karena menggunakan single firing rule, hanya satu aturan yang aktif sehingga berdasarkan Persamaan .
Ocycuycn=1 ycOycn ycsycn yc= ycu Ocycn=1 ycOycn 1y0 yc= yc=0 Sehingga status kualitas udara dikategorikan Baik.
Contoh kedua menggunakan data ke-75 dengan nilai gas 4054,11 (Buru.
dan debu 1906,82 (Buru.
, sehingga aturan yang aktif adalah IF Gas = Buruk AND Debu = Buruk THEN z = 2.
Berdasarkan Persamaan .
Ocycuycn=1 ycOycn ycsycn yc= ycu Ocycn=1 ycOycn 1y2 yc= yc=2 Sehingga status kualitas udara dikategorikan Buruk.
Tabel 6.
Rekapitulasi Hasil Inferensi Status Baik Sedang Jumlah Persentase 48,86% 48,86% DOI : https://doi.
org/10.
26623/transformatika.
TRANSFORMATIKA.
Vol.
No.
July 2026, pp.
1 - 16
Buruk
Total
2,27%
Hasil Pengujian Pengendalian Aktuator Tabel 7.
Hasil Pengujian Pengendalian Aktuator
No Status Kualitas Udara
Baik Sedang Buruk
Kipas Air Purifier OFF
OFF
OFF
Gambar 10.
Pengujian Respon Aktuator pada Kondisi Kualitas Udara: .
Baik, .
Sedang, .
Buruk Hasil pengujian menunjukkan bahwa aktuator bekerja sesuai status kualitas udara yang dihasilkan sistem.
Kondisi Baik menghasilkan kipas dan air purifier OFF, kondisi Sedang mengaktifkan kipas, sedangkan kondisi Buruk mengaktifkan kedua aktuator.
Hasil Pengiriman Data ke ThingSpeak Gambar 11.
Tampilan Channel ThingSpeak Pengujian menunjukkan bahwa data hasil monitoring dikirim ke platform ThingSpeak setiap 30 menit menggunakan nilai rata-rata hasil preprocessing.
Selama periode pengujian tanggal 7Ae11 Maret 2026 sebanyak 88 data diterima dan tersimpan pada channel ThingSpeak sesuai interval pengiriman yang telah ditentukan.
Tampilan channel ThingSpeak ditunjukkan pada Gambar 11.
Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT (Sabila Marista Losy.
PEMBAHASAN Berdasarkan hasil pengujian, nilai sensor gas berada pada rentang 589,10Ae4054,11, sedangkan konsentrasi debu berada pada rentang 252,98Ae1906,82 sebagaimana ditunjukkan pada Gambar 7 dan Gambar 8.
Fluktuasi tersebut dipengaruhi oleh kondisi lokasi pengujian yang berada di tepi jalan kawasan industri dengan lalu lintas kendaraan berat serta ventilasi kamar mess yang memungkinkan debu dan asap dari lingkungan luar masuk ke dalam ruangan.
Kondisi tersebut menyebabkan perubahan nilai sensor yang cukup cepat sehingga tanpa proses prapengolahan berpotensi menghasilkan perubahan status kualitas udara yang tidak merepresentasikan kondisi Oleh karena itu, penerapan spike limiter dan Exponential Moving Average (EMA) berperan mengurangi pengaruh lonjakan sesaat sebelum data digunakan pada proses inferensi.
Data hasil preprocessing kemudian diklasifikasikan menggunakan crisp threshold dan diproses menggunakan Fuzzy Sugeno zero-order melalui mekanisme single firing rule.
Pendekatan ini dipilih karena hanya satu aturan yang aktif pada setiap proses inferensi sehingga kompleksitas komputasi lebih rendah dibandingkan pendekatan fuzzy dengan membership function penuh.
Karakteristik tersebut sesuai untuk implementasi pada ESP32 yang memiliki keterbatasan sumber daya, sekaligus memungkinkan proses pengambilan keputusan dilakukan secara real-time.
Berdasarkan Tabel 6, kategori Baik dan Sedang masing-masing berjumlah 43 data .
,86%), sedangkan kategori Buruk hanya 2 data .
,27%).
Distribusi tersebut menunjukkan bahwa selama periode pengujian kualitas udara lebih sering berada pada kondisi transisi daripada kondisi Status Buruk hanya muncul ketika konsentrasi gas dan debu secara bersamaan melampaui nilai threshold sehingga keputusan sistem tidak ditentukan oleh satu parameter saja, melainkan oleh kombinasi kedua parameter melalui rule base Fuzzy Sugeno zero-order.
Pendekatan ini menghasilkan keputusan yang lebih representatif dibandingkan penggunaan threshold tunggal pada satu sensor.
Pengujian aktuator pada Tabel 7 menunjukkan bahwa setiap perubahan status kualitas udara diikuti oleh kondisi aktuator sesuai rule base yang telah dirancang.
Selain itu, penerapan confirm counter sebanyak tiga kali pembacaan berturut-turut dan hold time selama dua menit membatasi perubahan status akibat fluktuasi sesaat sehingga frekuensi perpindahan ONAeOFF relay menjadi lebih rendah.
Mekanisme tersebut merupakan bagian dari kontribusi penelitian karena hasil inferensi tidak langsung digunakan untuk mengendalikan aktuator, tetapi terlebih dahulu divalidasi melalui mekanisme stabilisasi keputusan agar pengendalian lebih konsisten pada kondisi pemantauan real-time.
Data monitoring juga dapat dikirim dan disimpan secara berkala pada ThingSpeak menggunakan nilai rata-rata hasil preprocessing sehingga riwayat kualitas udara dapat diamati secara kontinu.
Selama pengujian sempat terjadi proses reconnect akibat ketidakstabilan jaringan WiFi, namun kondisi tersebut tidak memengaruhi proses inferensi maupun pengendalian karena seluruh proses pengambilan keputusan dijalankan secara lokal pada ESP32.
Dengan demikian, koneksi internet hanya digunakan untuk fungsi monitoring, sedangkan fungsi pengendalian tetap dapat berlangsung meskipun terjadi gangguan komunikasi.
Untuk menilai kontribusi penelitian terhadap penelitian sebelumnya, dilakukan perbandingan karakteristik sistem sebagaimana ditunjukkan pada Tabel 8.
Tabel 8.
Perbandingan Penelitian dengan Penelitian Terdahulu Aspek Mikrokontroler Sensor Penelitian Andrianto Penelitian Afendy et al.
et al.
Wemos D1
ESP32
MQ-135.
SDS011
MQ-135.
DHT22
DOI : https://doi.
org/10.
26623/transformatika.
Penelitian Ini ESP32 MQ-135.
GP2Y1010AU0F,
TRANSFORMATIKA.
Vol.
No.
July 2026, pp.
1 - 16
DHT22
Fuzzy Sugeno Zero-Order Spike limiter.
EMA.
Averaging ThingSpeak Metode Keputusan Fuzzy Mamdani Threshold Preprocessing Data Tidak ada Tidak ada Monitoring IoT Pengendalian Aktuator Web Server Blynk Tidak ada LED dan notifikasi Kipas dan air purifier Monitoring kualitas Monitoring dan Implementasi Monitoring dan pengendalian otomatis Tabel 8 menunjukkan bahwa penelitian sebelumnya umumnya berfokus pada fungsi monitoring atau klasifikasi kualitas udara.
Penelitian ini menambahkan integrasi spike limiter.
Exponential Moving Average (EMA), averaging.
Fuzzy Sugeno zero-order, serta mekanisme stabilisasi keputusan sebelum pengendalian aktuator.
Integrasi tersebut menjadi kontribusi utama penelitian karena tidak hanya menghasilkan status kualitas udara, tetapi juga mengurangi perubahan keputusan akibat fluktuasi pembacaan sensor sehingga pengendalian otomatis menjadi lebih stabil pada implementasi IoT secara real-time.
Evaluasi pada penelitian ini masih terbatas pada functional testing sehingga hasil yang diperoleh menunjukkan kesesuaian implementasi sistem terhadap rancangan, bukan tingkat akurasi sensor maupun keunggulan metode dibandingkan pendekatan lain.
Penelitian ini juga belum melakukan validasi sensor menggunakan alat ukur standar, analisis statistik, maupun pengujian komparatif dengan metode lain.
Selain itu, pengujian hanya dilakukan pada satu lokasi dengan 88 data, sehingga generalisasi hasil terhadap kondisi lingkungan yang berbeda masih memerlukan penelitian lanjutan.
KESIMPULAN DAN REKOMENDASI
Penelitian ini menghasilkan prototipe sistem pemantauan dan pengendalian kualitas udara berbasis Internet of Things (IoT) pada kamar mess di kawasan industri yang mengintegrasikan proses akuisisi data sensor, preprocessing, inferensi Fuzzy Sugeno zero-order, pengendalian aktuator, serta monitoring melalui ThingSpeak.
Integrasi tersebut memungkinkan proses pemantauan kualitas udara dan pengambilan keputusan dilakukan secara real-time dalam satu Hasil pengujian menunjukkan bahwa proses klasifikasi crisp threshold, inferensi Fuzzy Sugeno zero-order, pengendalian aktuator, dan pengiriman data ke ThingSpeak berjalan sesuai dengan rancangan sistem.
Tahap preprocessing menggunakan spike limiter dan Exponential Moving Average (EMA) menghasilkan data sensor yang lebih stabil sebelum proses inferensi sehingga keputusan pengendalian menjadi lebih konsisten.
Kontribusi utama penelitian ini terletak pada integrasi preprocessing.
Fuzzy Sugeno zero-order, dan pengendalian otomatis dalam satu sistem IoT sebagai pendekatan untuk meningkatkan stabilitas proses pengambilan keputusan pada pemantauan kualitas udara.
Pengembangan selanjutnya disarankan melakukan validasi sensor menggunakan alat ukur standar agar tingkat akurasi pengukuran dapat dievaluasi secara kuantitatif.
Pengujian juga perlu dilakukan pada lokasi yang lebih beragam dengan jumlah data dan periode pengamatan yang lebih panjang sehingga representasi kondisi kualitas udara menjadi lebih luas.
Selain itu, metode Fuzzy Sugeno zero-order dapat dibandingkan dengan metode pengambilan keputusan lainnya, seperti Fuzzy Mamdani, untuk mengevaluasi perbedaan kinerja sistem.
Pengembangan lebih lanjut juga dapat mengintegrasikan membership function penuh maupun pendekatan berbasis machine learning guna mendukung penentuan kategori kualitas udara serta optimasi proses pengambilan keputusan secara otomatis.
Pengembangan Prototipe Sistem Pemantauan dan Pengendalian Kualitas Udara Rumah Hunian di Lingkungan Industri Berbasis IoT (Sabila Marista Losy.
REFERENSI