METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
PENERAPAN LOGIKA FUZZY TSUKAMOTO PADA RANCANG BANGUN
SISTEM DETEKSI KEKERUHAN AIR BUDI DAYA IKAN LELE
Muhammad RizkiA.
Eva Darnila.
Cut Agusniar Informatika.
Universitas Malikussaleh.
Aceh Utara.
Indonesia Email: muhammad.
200170178@mhs.
DOI: https://doi.
org/10.
46880/jmika.
Vol9No1.
ABSTRACT
This study develops a water quality monitoring system for catfish farming using the Internet of Things (IoT) and Fuzzy Tsukamoto logic.
This system consists of a Turbidity Sensor to measure turbidity levels, a DS18B20 sensor to monitor temperature, and a pH meter to measure water acidity levels.
Data from the sensors is sent in Realtime to Firebase and displayed in an Android application based on Kodular.
The Fuzzy Tsukamoto method is used to analyze data, determine the water quality status whether the water value is Clean.
Normal, or Turbid based on predetermined parameters.
Based on 14 tests, the system showed an accuracy level of 85.
7%, with 12 matching In addition, this system is able to provide automatic notifications to users if there are significant changes in water conditions.
As a result, this system can help fish farmers monitor water quality efficiently, as well as make decisions about when is the right time to change pond water.
Keyword: Android.
Fish Cultivation.
Fuzzy Tsukamoto.
Internet of Things.
Water Turbidity Monitoring.
ABSTRAK
Penelitian ini mengembangkan sistem pemantauan kualitas air untuk budidaya ikan lele menggunakan Internet of Things (IoT) dan logika Fuzzy Tsukamoto.
Sistem ini terdiri dari Turbidity Sensor untuk mengukur tingkat kekeruhan, sensor DS18B20 untuk memantau suhu, serta pH meter untuk mengukur tingkat keasaman air.
Data dari sensor dikirim secara Realtime ke Firebase dan ditampilkan dalam aplikasi Android berbasis Kodular.
Metode Fuzzy Tsukamoto digunakan untuk menganalisis data, menentukan status kualitas air apakah nilai air tersebut Bersih.
Normal, atau Keruh berdasarkan parameter yang telah ditetapkan.
Berdasarkan 14 kali pengujian, sistem menunjukkan tingkat akurasi sebesar 85,7%, dengan 12 hasil yang sesuai.
Selain itu, sistem ini mampu memberikan notifikasi otomatis kepada pengguna jika terjadi perubahan signifikan pada kondisi air.
Hasilnya, sistem ini dapat membantu pembudidaya ikan dalam memantau kualitas air secara efisien, serta mengambil keputusan kapan waktu yang tepat untuk mengganti air kolam.
Kata Kunci: Android.
Budidaya Ikan.
Fuzzy Tsukamoto.
Internet of Things.
Monitoring Kekeruhan Air.
PENDAHULUAN
Air merupakan sumber daya alam yang sangat penting bagi kehidupan makhluk hidup, termasuk ikan.
Kualitas air yang buruk dapat menyebabkan dampak negatif yang signifikan terhadap pertumbuhan dan kelangsungan hidup ikan, terutama dalam budidaya ikan lele.
Ikan lele sangat rentan terhadap perubahan kualitas air, seperti tingkat kekeruhan (NTU), suhu (AC), dan keasaman air .
H) yang tidak sesuai dengan kebutuhan habitatnya.
Ideal pH kolam ikan lele 6,5-8, suhu 25AC-30AC, dan kekeruhan air 2Ae50 NTU.
Jika kualitas air tidak terjaga dengan baik, ikan lele bisa mengalami stres, cacat, bahkan kematian yang dapat menyebabkan kerugian bagi pembudidaya ikan (Anissa et al.
, 2.
Oleh karena itu diperlukannya Turbidity Sensor untuk dapat mengukur kekeruhan pada air.
Kondisi suhu juga berpengaruh pada kualitas air, sehingga diperlukannya sensor DS18B20 untuk mendeteksi nilai suhu pada air.
Untuk menghitung nilai asam pada air dapat menggunakan sensor pH (Putrawan et al.
, 2.
Beberapa alat yang disebutkan sebelumnya seperti sensor kekeruhan air, sensor suhu, dan sensor pH merupakan alat yang harus terhubung kepada jaringan internet menggunakan mikrokontroler agar dapat beroperasi yang dapat disebut sebagai Internet of Things (IoT).
Internet of Things merupakan suatu sistem yang dapat ditanamkan pada perangkat keras dan kemudian dapat beroperasi berdasarkan Source Code (Perinta.
yang telah di tanamkan pada sistem yang dapat dikendalikan melalui jaringan internet (Susanto et al.
, 2.
perangkat harus menggunakan mikrokontroler sebagai otak yang terhubung kepada internet agar mereka dapat beroperasi, biasanya alat Halaman 112 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
yang dapat digunakan seperti NodeMCU ataupun Arduino Uno, akan tetapi perlu disesuaikannya penggunaan mikrokontroler pada projek apa yang ingin mereka kembangkan (Lusita Amelia, 2.
Perkembangan IoT sangat berpengaruh pada dunia Industri ataupun Pertanian.
Penerapan Internet of Things Pada dunia industri yang dijelaskan pada penelitian yang pernah dilakukan sebelumnya oleh Mia Wimala dan Imanuela .
AuPerkembangan Internet of Things di Industri KontruksiAy mendapatkan hasil bahwa Enam belas negara berkontribusi dalam penelitian terkait implementasi IoT di industri konstruksi dengan total 46 karya ilmiah.
tiga negara terbesar yang berpengaruh terkait dalam implementasi IoT seperti negara China 41%.
Amerika Serikat (United States of America-USA) 9%, dan Inggris Raya (United Kingdom-UK) 7% (Wimala & Imanuela, 2.
Menurut Kadek Dwi Antoro Oka.
Bagus Putu Wahyu Nirmala, dan Made Adi Paramartha Putra .
AuModel IoT Berbasis Fuzzy Tsukamoto Untuk Penyemprotan Pestisida Otomatis Pada Tanaman Sayur KubisAy dalam konteks ini, metode yang digunakan adalah Fuzzy Tsukamoto dan hasil dari penelitian ini penerapan IoT menggunakan metode Fuzzy Tsukamoto dapat digunakan untuk penyemprotan cairan pestisida secara otomatis pada lahan tanaman Kubis.
Penerapan Rule yang di program pada mikrokontroller sehingga sensor dapat bekerja sesuai dengan ketentuannya.
Implementasi metode Fuzzy Tsukamoto dapat bekerja walaupun tidak mencapai 100% tingkat kesempurnaan (Oka, 2.
Sehingga pada penelitian ini diharapkan penulis dapat memberikan kontribusi dalam monitoring kekeruhan air pada budidaya ikan lele dengan menerapkan logika Fuzzy Tsukamoto berbasis mobile agar dapat memantau kualitas air kolam sehingga dapat mencegah terjadinya hal yang tidak diinginkan pada budidaya ikan seperti cacat ataupun kematian masal pada ikan.
TINJAUAN PUSTAKA
Internet of Things Internet of Things (IoT) adalah suatu konsep yang tujuannya untuk meningkatkan manfaat dari jaringan internet yang terkoneksi secara menyeluruh.
Hal ini seperti dapat terhubung pada perangkat mesin, dan benda fisik lainnya dengan menggunakan sensor, aktuator, dengan memanfaatkan penggunaan jaringan agar sensor dan aktuator dapat memperoleh data dan mengelolanya, sehingga mesin dapat bekerja sesuai dengan struktur yang telah ditentukan secara otomatis (Nahdi & Dhika, 2.
pada dasarnya, yang dimaksud dengan Internet of Things dimana suatu perangkat ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
keras dan perangkat keras lain dapat terhubung dengan perantara menggunakan jaringan internet, dengan hal ini suatu mesin dan mesin lainnya yang sudah memiliki perintah dapat bekerja sesuai perintah yang telah diterapkan dengan menggunakan mikrokontroller sebagai otak dari perangkat keras yang akan terhubung dengan jaringan internet sehingga perangkat dapat bekerja sesuai dengan perintah dari mikrokontroler (Hasani & Wulandari, 2.
Turbidity Sensor Pada penelitian ini sensor yang digunakan untuk mendeteksi kekeruhan air menggunakan Turbidity Sensor.
Pada dasarnya, partikel kekeruhan tidak dapat dilihat oleh mata langsung.
lebih banyak partikel dalam air berarti tingkat kekeruhan air lebih tinggi, dan perubahan tegangan yang dihasilkan sensor akan mengikuti tingkat kekeruhan air yang lebih tinggi.
Karena menggunakan LED photodiode .
dan photodiode .
, sensor kekeruhan ini bekerja dengan cara yang sama seperti sensor proximity.
Mereka menggunakan cahaya yang dipancarkan pada LED dan kemudian melakukan pemantulan cahaya, yang kemudian dibaca oleh sensor.
Semakin tinggi tingkat kekeruhan air yang akan ditemukan, semakin sedikit pemantulan cahaya yang diterima, dan sebaliknya (Herawan, 2.
Sumber : (DFRobo, 2.
Gambar 1.
Turbidity Sensor pH Meter Tingkat keasaman atau kebasaan suatu larutan ditunjukkan dengan istilah pH.
Konsentrasi ion hidrogen (H ) dalam pelarut air dapat disebut dengan Nilai pH suatu larutan dapat berkisar antara 0 dan 14.
pH module tentu telah sudah waterproof sehingga dapat membaca nilai di dalam air.
Nilai pH yang lebih tinggi dari 8,0 menunjukkan bahwa larutan memiliki sifat basa, sedangkan nilai pH yang lebih rendah dari 6,0 menunjukkan bahwa larutan asam.
Sensor pH adalah elektroda gelas yang terdiri dari gelembung gelas pada ujungnya yang sensitif terhadap pH dan dilengkapi dengan elektroda dan larutan klorida dengan pH yang diketahui (Ramdani, 2.
Halaman 113 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
Sumber : (Cimpleo, 2.
Gambar 2.
pH Meter Ds18b20 Tidak seperti sensor suhu lainnya, sensor suhu DS18B20 memiliki keluaran digital dan membutuhkan beberapa pin port pada mikrokontroler.
Namun, untuk berkomunikasi dengan mikrokontroler.
Sensor DS18B20 dalam perhitungannya memiliki tingkat akurasi yang sangat tinggi yaitu 0,5AC pada rentang suhu dari -10 AC hingga 85 AC (Nurazizah et al.
, 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
kesamaan Kodular dengan MIT App Inventor adalah bahwa keduanya menggunakan blok programing untuk membuat aplikasi Android (Imron, 2.
Meskipun ada banyak kesamaan.
Kodular juga memiliki beberapa kelebihan dibandingkan MIT App Inventor, seperti fitur Extension IDE dan Kodular Store.
Fitur-fitur ini memungkinkan pembangun membuat blok program extension IDE sesuai kebutuhan mereka (Ageng Widjaya Saputra, 2.
METODE PENELITIAN
Agar sistem dapat berjalan penelitian ini menggunakan metode logika Fuzzy.
Fuzzy Tsukamoto Proses perhitungan menggunakan metode Fuzzy Tsukamoto memiliki beberapa tahapan, berikut merupakan penjelasan dari diagram alurnya:
Mulai Sensor Kekeruhan Air.
Sensor Keasaman Air, dan Sensor Suhu Fuzzifikasi Pembentukan Rule Inferensi Defuzzifikasi Nilai Air Sumber : (DFRobo, 2.
Gambar 3.
Ds18b20 Firebase Firebase adalah layanan yang disediakan oleh Google yang berguna untuk membantu para developer untuk mengembangkan aplikasi.
Firebase termasuk ke dalam Backend as a Service (BaaS) yang merupakan cara developer untuk fokus untuk melakukan mengembangkan aplikasi (Piliang & Sariana, 2.
Firebase merupakan platform untuk aplikasi Realtime.
Ketika data berubah, maka aplikasi yang terhubung dengan Firebase akan melakukan update secara langsung melalui setiap Device .
baik website ataupun Mobile (Furqon et al.
, 2.
Kodular Kodular merupakan situs web penyedia Tools untuk membuat aplikasi Android yang menggunakan blok programing untuk membuat aplikasi.
Salah satu Selesai Gambar 4.
Diagram Fuzzy Tsukamoto Fuzzifikasi Proses perhitungan menggunakan metode Fuzzy yaitu melalui beberapa langkah.
Langkah pertama dalam membuat perhitungan menggunakan logika Fuzzy yaitu menyiapkan input yang digunakan sebagai parameter untuk menentukan hasil akhirnya.
Selanjutnya input tersebut diolah untuk dijadikan himpunan Fuzzy yaitu dengan Fuzzifikasi.
Fuzzifkasi yaitu pehitungan dari bentuk tegas menjadi bentuk himpunan (Agusniar, 2.
Pada penelitian ini input yang digunakan ada tiga, yaitu kekeruhan air, keasaman air, dan suhu air.
kekeruhan air memiliki nilai linguistik yaitu berupa normal, keruh.
Keasaman air memiliki nilai linguistik yaitu rendah, normal, dan suhu air memiliki nilai linguistik yaitu rendah, sedang, tinggi.
Keputusan memiliki nilai linguistik yaitu Bagus.
Normal.
Keruh.
Halaman 114 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
Tabel 1.
Keanggotaan Kekeruhan Air
Nama Keanggotaan Nilai Keanggotaan Normal
2 NTU-50 NTU
Keruh
48 NTU-200 NTU
Tabel 2.
Keanggotaan Keasaman Air Nama Keanggotaan Nilai Keanggotaan Asam 2 pH-6.
5 pH Normal 3 pH-8 pH Basa 8 pH-14 pH Tabel 3.
Keanggotaan Suhu Air
Nama Keanggotaan Nilai Keanggotaan Rendah
0 AC-25 AC
Normal
23 AC- 30 AC
Tinggi 28 AC- 50 AC Pembentukan Rule Setelah proses Fuzzifikasi, proses selanjutnya yaitu adalah pembentukan aturan-aturan Fuzzy.
Aturanaturan tersebut digunakan untuk menyatakan keterkaitan antara keanggotaan kekeruhan air, keasaman air, suhu air untuk menentukan keanggotaan pada nilai air.
Tabel 4.
Penerapan Rule Fuzzy Input Output Rule Kekeruhan Keasaman Nilai Suhu Air Air Air Air Normal Asam Rendah Normal Asam Normal Normal Asam Tinggi Normal Normal Rendah Normal Normal Normal Normal Normal Tinggi Normal Basa Rendah Normal Basa Normal Normal Basa Tinggi Keruh Asam Rendah Keruh Asam Normal Keruh Asam Tinggi Keruh Normal Rendah Keruh Normal Normal Keruh Normal Tinggi Keruh Basa Rendah Keruh Basa Normal Keruh Basa Tinggi ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Desain Sistem Pada ArduinoIDE akan dilakukan kalibrasi Turbidity Sensor, pH meter, dan DS18B20, selanjutnya ArduinoIDE akan menentukan keanggotaan Fuzzy dari kekeruhan air, keasaman air, dan suhu air.
Setelah keanggotaan telah didapatkan, setiap nilai yang dibaca oleh Turbidity Sensor, pH meter, dan DS18B20 akan menampilkan output dari keanggotaan kekeruhan air, keasaman air, suhu air, dan nilai air.
menentukan keanggotaan dilakukannya koneksi wifi dengan menyesuaikan SSID dan Password wifi.
Jika koneksi gagal maka cek instalasi SSID dan Password wifi, dan jika berhasil selanjutnya koneksikan program dari ArduinoIDE kedalam Firebase dengan menyesuaikan Firebase host dan Firebase auth.
Jika gagal cek kembali instalasi pada Firebase host dan Firebase auth.
Jika berhasil output dari keanggotaan kekeruhan air, keasaman air, suhu air, dan nilai air akan dikirim kedalam Real-time database pada Firebase.
Selanjutnya dilakukannya konfigurasi Firebase kedalam Kodular dengan menyesuaikan konfigurasi Firebase token dan FirebaseURL.
Jika gagal sesuaikan kembali konfigurasi Firebase token dan FirebaseURL dan jika berhasil data output yang ada didalam Firebase akan ditampilkan dalam bentuk tampilan Mobile.
Kemudian jika terjadi perubahan pada keanggotaan nilai air maka sistem akan memberikan notifikasi perubahan status air, dan jika tidak ada perubahan pada keanggotaan nilai air sistem tidak akan memberikan notifikasi pada keanggotaan nilai air.
Mulai Kalibrasi Turdibity,Kalibrasi pH Meter.
Kalibrasi DS18B20 Menentukan Keanggotaan kekeruhan air.
Keasaman air.
Suhu air.
Nilai air Memperoleh Keanggotaan Nilai air Hasil Nilai Keanggotaan Kekeruhan Air.
Keasaman Air.
Suhu Air.
Nilai Air Koneksi Dengan Wifi Terhubung Kedalam Jaringan False Cek Instalasi True Gambar 5.
Desain Sistem Halaman 115 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
NTU, pH, dan suhu.
Pada pengujian ini dilakukan 7 kali pengujian menggunakan air kolam ikan yang lama dan 7 kali pengujian menggunakan air kolam yang baru Tabel 5.
Pengujian Sistem Status air Sensor Sensor Sensor Perubahan pH Meter DS18B20 Kualitas Air Air kolam Membaca Membaca Membaca Tidak Keruh Air kolam Membaca Membaca Membaca Keruh Turbidity Pada tabel pengujian diatas Sensor Turbidity, sensor pH Meter, dan sensor DS18B20 dapat membaca status air yang ada pada air kolam baru dan air kolam Dengan menerapkan fungsi logika Fuzzy Tsukamoto setelah Sensor Turbidity, sensor pH Meter, dan sensor DS18B20 dapat membaca nilai pada air kolam baru dan air kolam lama maka perubahan pada kualitas air dapat terjadi.
Gambar 6.
Desain Sistem (Lanjuta.
Konfigurasi Firebase Kedalam Kodular Firebase Terhubung dengan False Cek Konfigurasi True Output Android View Keanggotaan Kekeruhan air.
Keasaman air.
Suhu air.
Nilai Air Perubahan Nilai Pada Nilai Air Gambar 8.
Pengujian Air Baru True False Memberikan Notifikasi Perubahan Status Air Selesai Gambar 7.
Desain Sistem (Lanjuta.
HASIL DAN PEMBAHASAN Hasil Pengujian Pengujian pada sensor sangat merupakan hal yang sangat penting dilakukan dalam pembuatan Prototype sistem monitoring kekeruhan air ini.
Pada masing-masing sensor seperti Sensor Turbidity, pH meter.
DS18B20 akan dilakukan pengujian apakah sensor dapat membaca masing-masing nilai seperti Pada gambar 9 menjelaskan pada pengujian air baru dimana WiFi dapat diinstalasi dan menampilkan status jaringan online, setelah WiFi terhubung dengan menerapkan fungsi logika Fuzzy Tsukamoto sehingga Turbidity Sensor, sensor pH Meter, sensor DS18B20 dapat mengirim Output kepada Firebase dan dilanjutkan menampilkan Output oleh Kodular berupa aplikasi dan tampilan Android dengan nilai baca yaitu 2 NTU dengan status keanggotaan Normal, 5,6 pH dengan keanggotaan Asam, 29,8 AC dengan status Normal.
Pada pembentukan Rule Fuzzy didapatkannya keanggotaan dari status air yaitu normal.
Halaman 116 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
Gambar 9.
Pengujian Air Lama Sampel Air ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Berikutnya pada gambar 10 menjelaskan pada pengujian air lama dimana WiFi dapat diinstalasi dan menampilkan status jaringan online, setelah WiFi terhubung dengan menerapkan fungsi logika Fuzzy Tsukamoto sehingga Turbidity Sensor, sensor pH Meter, sensor DS18B20 dapat mengirim Output kepada Firebase dan dilanjutkan menampilkan Output oleh Kodular berupa aplikasi dan tampilan Android dengan nilai baca yaitu 65,9 NTU dengan status keanggotaan Keruh, 6,1 pH dengan keanggotaan Asam, 30,7 AC dengan status Tinggi.
Pada pembentukan Rule Fuzzy didapatkannya keanggotaan dari status air yaitu Tabel 6.
Pengujian Kualitas Air Nilai anggota Nilai anggota kekeruhan Nilai anggota Status nilai Air kolam lama 90 (Keru.
6 (Asa.
30 (Norma.
Keruh Air kolam lama 9 (Keru.
1 (Asa.
7 (Tingg.
Keruh Air kolam lama 88 (Keru.
7 (Asa.
30 (Norma.
Keruh Air kolam lama 2 (Norma.
9 (Asa.
5 (Tingg.
Normal Air kolam lama 45 (Norma.
1 (Asa.
5 (Tingg.
Keruh Air kolam lama 78 (Keru.
0 (Asa.
7 (Tingg.
Keruh Air kolam lama 2 (Norma.
8 (Asa.
2 (Tingg.
Normal Air kolam baru 2 (Norma.
5 (Asa.
30 (Norma.
Normal Air kolam baru 2 (Norma.
9 (Asa.
2 (Tingg.
Normal Air kolam baru 4 (Norma.
8 (Asa.
3 (Tingg.
Normal Air kolam baru 2 (Norma.
7 (Asa.
30 (Norma.
Normal Air kolam baru 2 (Norma.
7 (Asa.
2 (Tingg.
Normal Air kolam baru 14 (Norma.
9 (Asa.
30 (Norma.
Normal Air kolam baru 3 (Norma.
8 (Asa.
30 (Norma.
Normal Pengembangan Hardware Pengembangan ini melibatkan beberapa komponen seperti NodeMCU ESP32 sebagai mikrokontroller.
Turbidity Sensor sebagai pembaca nilai kekeruhan, pH Meter sebagai pembaca nilai keasaman.
DS18B20 sebagai pembaca nilai suhu.
Resistor 10K ohm sebagai pengontrol tegangan arus, dan Breadboard sebagai alat yang digunakan untuk membuat Prototype elektronik.
Berikut adalah penerapan komponen pada Hardware.
Wujud dari hardware yang digunakan disajikan pada gambar 12 Gambar 10.
Pengembangan Hardware Halaman 117 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
0 ycycnycoyca ycu < 50 ycycnycoyca 50 O ycu < 100 Keruh.
= .
cuOe50 ycu Ou 100 1 ycycnycoyca Fuzzifikasi pada suhu air 1 ycycnycoyca ycu O 25 ycycnycoyca Rendah.
= .
Oeycu < ycu O 30 ycu > 30 0 ycycnycoyca 0 ycycnycoyca ycu O 25 ycaycycayc ycu > 35 Normal.
= { ycuOe25 35Oeycu Gambar 11.
Skema Penerapan Komponen NodeMCU ESP 32 - Turbidity Sensor Pin GIOP 36 pada NodeMCU ESP 32 terhubung ke pin OUT GIOP 36 pada module Turbidity Sensor.
Pin 3.
3V pada NodeMCU ESP 32 terhubung ke pin VCC 3.
3V pada module Turbidity Sensor.
Pin GND pada NodeMCU ESP 32 terhubung ke pin GND pada module Turbidity Sensor.
NodeMCU ESP 32 Ae DS18B20 Pin GIOP 26 pada NodeMCU ESP 32 terhubung ke pin DQ GIOP 26 pada module DS18B20.
Pin 3.
3V pada NodeMCU ESP 32 terhubung ke pin VCC 3.
3V pada module DS18B20.
Pin GND pada NodeMCU ESP 32 terhubung ke pin GND pada module DS18B20.
Resistor 10K ohm pada pin VCC dan DQ dari module DS18B20 saling terhubung.
NodeMCU ESP 32 - Sensor pH Meter Pin GIOP 39 pada NodeMCU ESP 32 terhubung ke pin PO GIOP 39 pada module pH Meter.
Pin 3.
3V pada NodeMCU ESP 32 terhubung ke pin VCC 3.
3V pada module pH Meter.
Pin GND pada NodeMCU ESP 32 terhubung ke pin GND pada module pH Meter.
Pin GND pada NodeMCU ESP 32 terhubung ke pin GND pada module pH Meter.
Fuzzifikasi Pembentukan keanggotaan merupakan langkah awal pada logika Fuzzy.
Pada penelitian terdapat beberapa keanggotaan dari Turbidity Sensor.
DS18B20.
Sensor pH Meter, dan keanggotaan pada nilai air.
Berikut merupakan Fuzzifikasi pada kekeruhan air:
1 ycycnycoyca ycu O 50 ycycnycoyca Normal.
= .
Oeycu ycu O 100 ycu > 100 0 ycycnycoyca ycycnycoyca ycycnycoyca 25 < ycu O 30 30 < ycu O 35 0 ycycnycoyca ycu O 30 ycycnycoyca 30 < ycu O 35 Tinggi.
= .
cuOe30 ycu > 35 1 ycycnycoyca Fuzzifikasi pada keasaman air 1 ycycnycoyca ycu O 6.
ycycnycoyca Asam.
= .
Oeycu < ycu O 7 ycu >7 0 ycycnycoyca 0 ycycnycoyca ycu O 6.
5 ycaycycayc ycu > 8 ycuOe6.
Normal.
= { 0.
5 ycycnycoyca 8Oeycu ycycnycoyca 5 < ycu O 7 7<ycuO8 0 ycycnycoyca ycu O7 ycycnycoyca 7 < ycu O 8 Basa.
= .
cuOe7 ycu >8 1 ycycnycoyca Setelah Fuzzifikasi langkah selanjutnya adalah pembentukan Rule, pembentukan Rule terdiri dari 18 Rule.
Rule tersebut dibentuk berdasarkan keanggotaan kekeruhan air, keanggotaan keasaman air, keanggotaan suhu air untuk mendapatkan keanggotaan nilai air seperti bersih, normal, dan keruh.
Rule tersebut dapat dilihat di gambar 5.
Setelah pembentukan Rule, tahap selanjutnya adalah Inferensi.
Inferensi merupakan tahapan dimana menentukan nilai MIN dari Rule untuk menentukan nilai numerik keanggotaan nilai air, seperti keanggotaan Bersih = 0.
Normal = 50.
Keruh = 100.
Setelah Inferensi, memasuki tahap akhir yaitu Defuzzifikasi yang dimana akan menghasilkan nilai crips .
ilai tega.
dari tahapan Fuzzifikasi, pembentukan Rule, dan Inferensi.
Berikut penerapan Fuzzifikasi:
Ocycu ycn=1.
cycycoyceycn ycu ycuycycycyycycycn ) Ocycu ycn=1 ycycycoyceycn Setelah nilai tegas diperoleh, selanjutnya nilai tegas akan digunakan untuk menentukan Status Nilai Air dengan memiliki tiga kategori diantaranya Bersih.
Normal, dan Keruh.
Pada keanggotaan Bersih nilai tegas dari Defuzzifikasi lebih kecil atau sama dengan Halaman 118 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
9 No.
1 (April 2.
33, keanggotaan Normal nilai tegas dari Defuzzifikasi lebih kecil atau sama dengan 66, keanggotaan Keruh nilai tegas dari Defuzzifikasi lebih besar dari 66.
Gambar 12.
Status Nilai Air Pengembangan Sistem Gambar 13.
Aplikasi Monitoring Kekeruhan Air Pada gambar 15 merupakan tampilan aplikasi Android secara menyeluruh setelah ArduinoIDE melakukan konfigurasi kedalam Firebase dan setelah Firebase dapat menerima data dari masing-masing sensor agar data dapat ditampilkan dalam bentuk Android View diperlukannya untuk melakukan konfigurasi seperti memasukkan serial token Firebase kedalam fungsi Kodular.
Setelah Kodular terhubung kedalam Firebase maka nilai yang telah dibaca oleh sensor DS18B20.
Turbidity Sensor, dan sensor pH meter akan dikirim kedalam Firebase dan Firebase akan mengirim kedalam aplikasi yang telah dibuat menggunakan Kodular.
Akan tetapi jika aplikasi tidak ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
terhubung dengan jaringan internet maka nilai baca dari sensor tidak dapat dikirim kedalam aplikasi.
KESIMPULAN
Berdasarkan hasil dan pembahasan dari sistem yang telah diterapkan, maka terdapat beberapa kesimpulan yaitu:
Penelitian ini berhasil mengembangkan sistem monitoring kekeruhan air dengan menggunakan Turbidity Sensor sebagai pembaca kekeruhan air, sensor DS18B20 sebagai pembaca suhu air, dan sensor pH meter sebagai pembaca keasaman air.
Dengan penerapan Kodular dan Firebase sistem juga dapat menghasilkan Output yang akan ditampilkan dalam tampilan Android View dan juga sistem juga dapat memberikan notifikasi jika terjadi perubahan pada nilai air.
Sistem dapat menerapkan fungsi logika Fuzzy Tsukamoto dalam menentukan apakah nilai air tersebut Bersih.
Normal, atau Keruh dari melakukan 14 kali pengujian dengan keberhasilan 12 kali pengujian didapatkan tingkat keakuratan Secara keseluruhan, sistem dapat memberikan solusi yang efisian bagi pembudidaya ikan lele agar dapat mengetahui jika air pada kolam harus diganti atau tidak.
DAFTAR PUSTAKA