SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika UNJUK KERJA PERFORMA SISTEM MONITORING KONSENTRASI PM1.
PM2.
PM10.
CO DAN CO2 DI DALAM RUANGAN BERBASIS INTERNET OF
THINGS (IOT)
PERFORMANCE OF THE INDOOR AIR QUALITY MONITORING SYSTEM
BASED ON INTERNET OF THINGS (IOT) FOR PM1.
PM2.
PM10.
CO AND
CO2
Muhamad Anda Falahuddin.
Wirenda Sekar Ayu.
Muhammad Arman.
Susilawati.
1,2,3,4Politeknik Negeri Bandung.
Kabupaten Bandung Barat.
Jawa Barat.
Indonesia email: m.
andafalahuddin@polban.
, wirendasekar@polban.
*, akangarman@polban.
susilawati@polban.
Received:
10 September Accepted:
24 September Published:
14 Oktober Abstrak Penelitian ini bertujuan untuk mengembangkan alat monitoring kualitas udara dalam ruangan yang meliputi partikel PM1.
PM2.
PM10, gas CO dan CO2 berbasis Internet of Things (IoT).
Alat ini dirancang untuk mendeteksi konsentrasi partikel dan gas secara akurat dan real-time, sehingga dapat membantu pengguna dalam meningkatkan kualitas udara dalam ruangan.
Metode penelitian ini melibatkan pengembangan desain alat yang menggunakan sensor partikel PMS5003, sensor gas MQ-7 dan MH-Z19, sensor suhu dan kelembapan DHT11, serta mikrokontroler ESP8266 untuk mengolah data.
Data hasil pengukuran sensor ditampilkan secara visual menggunakan grafik pada dashboard ThingSpeak.
Hasil penelitian menunjukkan bahwa alat monitoring yang dibuat dapat mendeteksi konsentrasi partikel dan gas dengan persentase eror pengukuran sebesar 16,34% (PM2.
, 7,71% (PM.
, 24,90% (CO.
3,40% .
dan 5,67% .
Sementara itu, untuk pengukuran gas CO masih diperlukan adanya kalibrasi terhadap sensor yang digunakan.
Kata Kunci: monitoring kualitas udara.
Internet of Things (IoT), real-time.
Abstract This research aims to develop an indoor air quality monitoring device that includes particulate matter (PM1.
PM2.
PM.
, carbon monoxide (CO), and carbon dioxide (CO.
based on the Internet of Things (IoT).
The device is designed to detect particle and gas concentrations accurately and in real-time, thereby helping users improve indoor air quality.
The research method involves developing the device design using particulate matter sensors PMS5003, gas sensors MQ-7 and MH-Z19, temperature and humidity sensors DHT11, and ESP8266 microcontroller to process data.
The data from sensor measurements are displayed visually using graphs on the ThingSpeak dashboard.
The results show that the developed monitoring device can detect particle and gas concentrations with measurement deviation percentages of 16.
34% (PM2.
71% (PM.
, 24.
90% (CO.
, 3.
40% .
, and 5.
67% .
Meanwhile, for CO gas measurement, further calibration of the used sensor is SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika Keywords: indoor air quality monitoring.
Internet of Things (IoT), real-time.
DOI: 10.
20527/sjmekinematika.
How to cite: Falahuddin.
Ayu.
Arman.
, & Susilawati.
AuUnjuk Kerja Performa Sistem Monitoring Konsentrasi PM1.
PM2.
PM10.
CO Dan CO2 di dalam Ruangan Berbasis Internet of Things (IoT)Ay.
Scientific Journal of Mechanical Engineering Kinematika, 10.
, 251-264, 2025.
PENDAHULUAN
Kualitas udara dalam ruangan merupakan faktor penting yang mempengaruhi kesehatan dan kenyamanan manusia.
Partikulat PM1.
PM2.
PM10, gas karbon monoksida (CO) dan karbon dioksida (CO.
, merupakan parameter kualitas udara yang paling sering diukur karena dampaknya yang signifikan terhadap kesehatan manusia.
Partikulat PM1 dan PM2.
5 yang memiliki ukuran diameter masing-masing kurang dari 1 mikrometer dan 2,5 mikrometer, dapat masuk ke dalam paru-paru dan menyebabkan berbagai masalah kesehatan, terutama pada sistem pernapasan.
Sementara itu, partikulat PM10 memiliki diameter lebih besar dan dapat menyebabkan masalah kesehatan yang lebih serius jika konsentrasinya tinggi.
Adapun dampak keracunan gas CO akan sangat berbahaya bagi orang yang telah menderita gangguan pada otot jantung atau sirkulasi darah periferal yang parah.
Sementara itu, gas CO2, meskipun tidak beracun secara langsung, juga penting untuk diukur karena dapat menunjukkan efisiensi sistem ventilasi dan penggunaan energi dalam ruangan.
Konsentrasi gas CO2 yang tinggi dapat menyebabkan kelelahan dan gangguan kesehatan lainnya, sehingga perlu adanya pengawasan yang ketat terhadap nilai konsentrasi gas CO2.
Dalam beberapa tahun terakhir, perhatian terhadap kualitas udara dalam ruangan semakin meningkat, terutama di tempat-tempat yang padat penduduk dan industri.
Keberadaan manusia dalam ruangan mempengaruhi kualitas udara secara keseluruhan, mengingat manusia adalah sumber utama peningkatan kadar CO2 dalam ruangan karena gas ini dihasilkan dari proses pernapasan.
Pada banyak lingkungan seperti laboratorium, kelas, kantor, atau ruangan tertutup lainnya, ventilasi sering kali tidak cukup untuk mengimbangi peningkatan kadar polutan yang dihasilkan oleh manusia.
Jika ventilasi tidak optimal, polutan dalam ruangan bisa terakumulasi, menyebabkan dampak negatif bagi kesehatan Dengan membandingkan kondisi ruangan berpenghuni dan tidak berpenghuni, penelitian ini dapat mengidentifikasi apakah ventilasi yang tersedia cukup efektif dalam menjaga kualitas udara.
Beberapa penelitian sebelumnya telah membahas dampak keberadaan manusia terhadap COCC, tetapi belum banyak yang mengaitkannya dengan partikulat debu (PM1.
PM2.
PM.
dan gas CO secara bersamaan.
Oleh karena itu, diperlukan adanya alat monitoring yang akurat dan efektif untuk memantau konsentrasi partikulat, gas CO dan CO2 dalam ruangan.
Alat seperti ini tidak hanya membantu dalam memantau kualitas udara secara real time, tetapi juga memberikan informasi yang berguna untuk mengambil tindakan pencegahan sebelum terjadinya paparan yang lebih parah.
Selain itu, alat monitoring kualitas udara juga dapat membantu dalam mengidentifikasi sumber polusi udara, sehingga dapat diambil tindakan yang tepat untuk mengurangi pencemaran udara.
Beberapa penelitian sebelumnya telah mengembangkan sistem monitoring kualitas udara berbasis Internet of Things (IoT).
Namun, sebagian besar penelitian hanya berfokus pada satu atau dua parameter polutan tanpa mempertimbangkan pengaruh lingkungan, seperti keberadaan penghuni dalam ruangan.
Selain itu, keakuratan sensor yang digunakan dalam sistem monitoring sering menjadi tantangan, terutama dalam hal kalibrasi dan validasi data dengan alat standar industri.
Penelitian ini dapat memberikan rekomendasi yang lebih akurat terkait strategi pengelolaan ventilasi berdasarkan data real-time.
Salah satu penelitian terdahulu yaitu alat monitoring kualitas udara AMF103 yang dapat mendeteksi konsentrasi CO2, suhu dan kelembapan.
Alat ini banyak digunakan di SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika industri, hotel, pusat perbelanjaan, dan berbagai tempat lainnya.
Selain itu, terdapat pula alat pendeteksi polusi udara seperti asap.
CO, dan gas LPG berbasis IoT yang dapat melakukan pemantauan secara terus menerus tanpa dibatasi oleh ruang dan waktu.
Penelitian serupa terkait pengaturan kualitas udara di dalam ruangan pernah dilakukan oleh penulis pada tahun 2022.
Penelitian ini menghasilkan sebuah sistem untuk mengontrol konsentrasi CO2 pada Lab Listrik dan Instrumentasi Jurusan Teknik Refrigerasi dan Tata Udara Polban menggunakan Variable Speed Drive (VSD) dan Programmable Logic Controller (PLC).
Exhaust fan yang digunakan pada penelitian ini dapat mempertahankan konsentrasi CO2 pada kisaran 300Ae980 ppm tergantung jumlah penghuni di dalam ruangan.
Adapun waktu yang dibutuhkan untuk membersihkan udara di dalam ruangan yaitu selama 10 menit.
Selain itu, konsumsi energi listrik pada sistem ini dapat dihemat hingga 62,36Ae98,38% dari konsumsi energi listrik semula.
Validasi sensor low-cost dalam sistem monitoring kualitas udara umumnya dilakukan dengan membandingkan hasil pembacaan sensor terhadap instrumen referensi atau alat ukur standar yang telah teruji di pasaran.
Sebagai contoh, penelitian.
menunjukkan bahwa sistem monitoring berbasis IoT yang mengukur berbagai parameter kualitas udara (PM.
COCC, suhu, kelembapa.
divalidasi melalui metode kolokasi dengan instrumen referensi di Hasil penelitian tersebut melaporkan bahwa deviasi pembacaan COCC antara sistem IoT dan instrumen referensi berada di kisaran 1,5Ae3,6% pada kondisi aktivitas rendah, meningkat menjadi 6,1Ae9,1% pada situasi okupansi tinggi.
Deviasi PM2.
5 pada kondisi udara bersih mayoritas berada <15%, dengan sebagian besar data menunjukkan perbedaan <20% dibanding alat komersial.
Hal ini menunjukkan bahwa analisis deviasi, korelasi, dan perhitungan eror menjadi langkah penting dalam menilai reliabilitas alat monitoring.
Studi lain.
juga menegaskan bahwa pengembangan arsitektur IoT untuk monitoring kualitas udara selalu diikuti dengan proses validasi lapangan menggunakan instrumen referensi, sehingga dapat memastikan bahwa sistem yang dikembangkan tidak hanya berfungsi dalam hal akuisisi dan transmisi data, tetapi juga menghasilkan informasi yang dapat dipercaya.
Berdasarkan pendekatan tersebut, penelitian ini melakukan validasi dengan membandingkan hasil sensor yang dikembangkan dengan alat ukur standar di pasaran sebagai salah satu parameter keberhasilan produk.
Pada penelitian ini telah dikembangkan sistem monitoring kualitas udara dalam ruangan yang mampu mengukur dan menganalisis secara simultan konsentrasi PM1.
PM2.
PM10.
CO, dan CO2 menggunakan teknologi IoT.
Sistem ini dirancang untuk memberikan informasi real-time melalui dashboard interaktif sehingga pengguna dapat dengan mudah memantau kondisi udara di dalam ruangan dari jarak jauh.
Sensor kualitas udara berbasis IoT memiliki keterbatasan dalam hal akurasi dan stabilitas pengukuran, terutama dalam lingkungan dengan variabilitas tinggi.
Dengan membandingkan hasil pengukuran antara ruangan kosong dan berpenghuni, dapat dievaluasi apakah sensor tetap bekerja dengan akurat dalam berbagai kondisi lingkungan.
Dengan demikian, penelitian ini bertujuan untuk memahami pola perubahan polusi udara akibat keberadaan manusia, menentukan sejauh mana ventilasi mempengaruhi penyebaran polutan, menguji stabilitas dan akurasi sensor dalam kondisi lingkungan yang berbeda, serta memberikan rekomendasi berbasis data untuk meningkatkan kualitas udara dalam ruangan.
Penelitian ini memiliki keunikan dibandingkan penelitian terdahulu karena mengembangkan sistem monitoring kualitas udara dalam ruangan yang mengintegrasikan berbagai parameter sekaligus (PM1.
PM2.
PM10.
CO, dan CO.
serta melakukan analisis terhadap perbedaan hasil pengukuran pada ruangan yang berpenghuni dan tidak Selain itu, penelitian ini juga mengevaluasi akurasi sensor melalui kalibrasi dan membandingkan hasilnya dengan alat ukur standar untuk meningkatkan akurasi deteksi Dengan adanya penelitian ini, diharapkan dapat diperoleh sistem monitoring kualitas SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika udara yang lebih akurat dan dapat diandalkan, sehingga dapat digunakan sebagai dasar dalam pengelolaan ventilasi dan pengendalian kualitas udara dalam ruangan untuk meningkatkan kesehatan dan kenyamanan penghuni.
METODE PENELITIAN
Penelitian ini merupakan penelitian eksperimental dengan desain alat monitoring kualitas udara dalam ruangan yang berbasis IoT.
Pembuatan alat terdiri dari perancangan perangkat keras dan perangkat lunak.
Dalam penelitian ini, validasi dilakukan dengan membandingkan setiap sensor dengan alat ukur standar untuk mengevaluasi kesesuaian Tujuan utama penelitian ini bukan untuk memperoleh nilai absolut yang sangat akurat, melainkan untuk menilai apakah sensor dapat memberikan data yang cukup representatif dalam mendeteksi tren perubahan parameter udara di lingkungan terpantau.
Dalam beberapa penelitian terdahulu, terdapat penggunaan sensor MQ-7 untuk CO dan MH-Z19 untuk CO2 tanpa kalibrasi standar karena keterbatasan peralatan.
Validasi dilakukan dengan membandingkan pembacaan sensor dengan alat referensi Tecnotes MOD 488 dengan pendekatan validasi alternatif.
Penelitian lain tentang deteksi gas beracun tidak melakukan kalibrasi sensor gas karena biaya yang tinggi untuk peralatan kalibrasi profesional dan tidak adanya standar nasional untuk kalibrasi sensor gas.
Adapun uji coba pada penelitian ini lebih menitikberatkan pada metode pengambilan data, bukan pada perbandingan pengendali/kontrol dalam sistem pemantauan kualitas udara.
Perancangan Perangkat Keras Sensor yang digunakan pada alat monitoring ini terdiri atas beberapa jenis sesuai dengan parameter yang diukur.
Sensor PMS5003 berfungsi untuk mendeteksi partikulat debu dengan ukuran PM1.
PM2.
5, dan PM10.
Untuk pengukuran gas CO digunakan sensor MQ-7, sedangkan pengukuran konsentrasi gas COCC dilakukan dengan sensor MH-Z19.
Selain itu, sensor DHT11 digunakan untuk mengukur parameter lingkungan berupa suhu dan kelembapan udara.
Adapun mikrokontroler ESP8266 digunakan untuk mengolah data dari sensor dan mengirimkan data ke tampilan dashboard melalui jaringan Wi-Fi.
Data sensor ini ditampilkan pula pada LCD display 16y2 yang disimpan pada perangkat.
Desain alat dan diagram kelistrikan sistem monitoring kualitas udara ditunjukkan pada Gambar 1 dan 2 Gambar 1.
Desain alat monitoring kualitas udara SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika Gambar 2.
Diagram kelistrikan Seluruh komponen perangkat keras sistem monitoring kualitas udara berbasis IoT diintegrasikan dalam sebuah kotak sensor dengan ukuran 15y9,5y5 cm seperti pada Gambar 3 berikut.
Gambar 3.
Perangkat Keras Sistem Perancangan Perangkat Lunak Sensor partikel dan gas mengumpulkan data tentang konsentrasi partikel dan gas di dalam ruangan.
Data ini dikirim ke mikrokontroler ESP8266 yang kemudian diolah oleh perangkat lunak guna menentukan kualitas udara berdasarkan standar yang ditentukan.
Data yang telah diolah dikirim ke dashboard ThingSpeak melalui jaringan Wi-Fi.
Data ini dapat ditampilkan secara real-time dari jarak jauh.
Data kualitas udara yang diperoleh ditampilkan secara visual menggunakan grafik.
Diagram arsitektur sistem ditampilkan pada Gambar 4 Gambar 4.
Diagram arsitektur sistem SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika Pengujian Alat Pengujian alat dilakukan pada ruang Laboratorium Instrumentasi dan Listrik Politeknik Negeri Bandung dengan 2 kondisi berbeda, yakni saat ruangan tanpa ada beban penghuni dan ruangan saat ada beban penghuni sebanyak 36 orang mahasiswa seperti pada Gambar 5.
Hal ini dilakukan guna mengetahui pengaruh beban ruangan terhadap kualitas udara di ruangan tersebut.
Pengambilan data dilakukan dengan durasi selama 40 menit untuk setiap kondisi.
Gambar 5.
Kondisi pengujian .
tanpa beban penghuni, .
dengan beban penghuni Validasi Alat Salah satu parameter keberhasilan dalam pengembangan alat ini adalah kesesuaian hasil pengukuran alat terhadap standar pembanding yang sudah ada di pasaran, seperti penelitian terdahulu.
Sehingga dalam prosesnya dilakukan pula pengambilan data dengan alat ukur standar untuk setiap parameter dengan tujuan untuk memvalidasi hasil pembacaan sensor.
Alat ukur standar yang digunakan yaitu particle counter HT-9600 untuk mengukur partikulat debu, suhu dan kelembapan, multi-gas monitor ST8990 untuk mengukur gas CO, dan carbon dioxide detector AR8200 untuk mengukur gas CO2, seperti pada Gambar 6.
Dengan demikian, validasi melalui perbandingan ini diperlukan untuk menilai akurasi dan reliabilitas alat yang dikembangkan.
Gambar 6.
Pengambilan data dibandingkan dengan alat ukur standar
HASIL DAN PEMBAHASAN
Perbandingan Persentase Eror Sensor dengan Alat Ukur Standar Guna mengevaluasi akurasi sensor yang dikembangkan, dilakukan analisis eror dengan membandingkan hasil pengukuran sensor terhadap alat ukur standar.
Grafik pada Gambar 7 menampilkan perbedaan nilai pengukuran antara sensor dan alat ukur standar.
SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika termasuk particle counter HT-9600, multi-gas monitor ST8990, dan carbon dioxide detector AR8200, sesuai parameter masing-masing.
Besaran eror dihitung sebagai selisih antara pembacaan sensor dan alat ukur standar, sehingga mempermudah identifikasi bias maupun deviasi yang terjadi.
24,9%
Error (%) 16,34% 7,71% 5,67% 3,4% PM2.
PM10
CO2
Suhu Kelembapan Parameter Gambar 7.
Persentase eror alat monitoring dengan alat ukur standar Berdasarkan grafik di atas, dapat dilihat bahwa alat monitoring yang dibuat dapat mendeteksi konsentrasi partikel dan gas dengan persentase eror pengukuran sebesar 16,34% (PM2.
, 7,71% (PM.
, 24,90% (CO.
, 3,40% .
dan 5,67% .
PM10 (AAm/m.
PM2.
5 (AAm/m.
Hasil Pengukuran Partikulat Debu Hasil dari pengukuran ini digunakan guna melihat akurasi sensor yang digunakan pada alat monitoring kualitas udara yang dirancang.
Gambar 8 berikut merupakan hasil pengukuran yang diperoleh.
Alat HT-9600 .
Data ke- Data keSensor PMS5003 Alat HT-9600 Sensor PMS5003 .
Gambar 8.
Perbandingan alat ukur dengan sensor untuk parameter .
PM2.
5 dan .
PM10 Berdasarkan grafik di atas, diperoleh persentase eror untuk pengukuran partikel PM2.
sebesar 16,34% dan partikel PM10 sebesar 7,71%.
Nilai eror yang cukup besar pada hasil pengukuran PM2.
5 apat disebabkan oleh beberapa faktor, di antaranya karakteristik sensor, variasi ukuran dan distribusi partikel, serta pengaruh faktor lingkungan.
Sensor PM2.
5 yang digunakan kemungkinan memiliki batasan akurasi yang lebih rendah dibandingkan alat Selain itu, variasi ukuran dan distribusi partikel di udara dapat menyebabkan perbedaan dalam respons sensor terhadap konsentrasi PM2.
5 yang sebenarnya.
Sensor berbasis hamburan cahaya juga rentan terhadap pengaruh kelembapan udara, di mana partikel dapat menyerap air dan tampak lebih besar dari ukuran aslinya, yang menyebabkan overestimasi pengukuran.
Adapun hasil pengukuran partikel debu dengan sensor PMS5003 pada setiap kondisi pengujian ditampilkan pada Gambar 9 berikut.
SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 PM2.
5 (AAm/m.
PM1 (AAm/m.
https://kinematika.
id/index.
php/kinematika Data keTanpa Penghuni Data keTanpa Penghuni Dengan Penghuni .
Dengan Penghuni .
PM10 (AAm/m.
Data keTanpa Penghuni Dengan Penghuni .
Gambar 9.
Hasil pengukuran .
PM1, .
PM2.
5, dan .
PM10 dengan sensor PMS5003 Berdasarkan hasil pengukuran di atas, diperoleh nilai rata-rata konsentrasi partikulat debu seperti pada Tabel 1 berikut.
Tabel 1.
Nilai rata-rata konsentrasi partikulat debu Rata-rata konsentrasi (AAm/m.
Partikulat
Tanpa Penghuni Dengan Penghuni PM1
16,45
PM2.
26,45
PM10
27,55
Berdasarkan Tabel 1, dapat dilihat bahwa konsentrasi partikulat debu (PM1.
PM2.
dan PM.
tidak berubah secara signifikan saat terjadi penambahan beban penghuni.
Hal ini dapat dipengaruhi oleh kondisi ventilasi ruangan dan sirkulasi udara yang baik, sehingga konsentrasi partikulat di dalam ruangan cukup rendah.
Selain itu, berhubung pengujian alat dilakukan pada ruangan laboratorium yang minim akan aktivitas pemicu peningkatan partikulat seperti memasak, merokok, dan membersihkan ruangan, sehingga konsentrasi partikulat yang terukur cukup rendah.
Hasil Pengukuran Gas CO Pengukuran gas CO dilakukan dengan membandingkan hasil pengukuran oleh alat monitoring yang dibuat dan alat multi-gas monitor ST8990.
Dari pengukuran ini (Gambar .
, diperoleh hasil bahwa sensor MQ-7 selalu membaca level CO sebesar 20 ppm, sementara alat ukur ST8990 mendeteksi tidak ada kandungan CO pada ruangan uji.
Berhubung alat referensi menunjukkan 0 ppm, maka perhitungan eror relatif tidak dapat Oleh karena itu, perbedaan sebesar 20 ppm diperlakukan sebagai deviasi absolut SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika CO .
sensor ini.
Sehingga untuk sensor MQ-7 yang digunakan perlu dikalibrasi lebih lanjut agar data pengukuran yang dihasilkan oleh sensor sesuai dengan nilai yang sebenarnya.
Walaupun seperti itu, hasil pengukuran sensor MQ-7 telah sesuai dengan tren hasil pengukuran alat ukur standar.
Data keAlat ST8990 Sensor MQ-7 Gambar 10.
Perbandingan pengukuran ST8990 dengan MQ-7 CO .
Adapun hasil pengukuran kandungan gas CO di dalam ruangan uji untuk kedua kondisi uji yang berbeda ditunjukkan pada Gambar 11 berikut.
Data keTanpa Beban Dengan Beban Gambar 11.
Hasil pengukuran gas CO dengan sensor MQ-7 Berdasarkan hasil pengukuran di atas, dapat dilihat bahwa pertambahan penghuni di dalam ruangan uji tidak menyebabkan konsentrasi gas CO di dalam ruangan meningkat secara signifikan karena aktivitas penghuni hanya sebatas mengerjakan praktikum Adapun konsentrasi gas CO akan meningkat secara signifikan apabila aktivitas yang dilakukan yaitu seperti memasak, merokok, atau penggunaan alat pemanas berbahan bakar dapat meningkatkan emisi CO di dalam ruangan.
Selain itu, ruangan dengan ventilasi yang buruk pun cenderung memiliki konsentrasi CO yang lebih tinggi, terutama saat terdapat banyak penghuni.
Ventilasi yang tidak memadai menghambat pertukaran udara, sehingga gas CO yang dihasilkan dari aktivitas penghuni tidak dapat terdispersi dengan baik.
Hal ini berisiko meningkatkan kadar CO dalam ruangan, yang dapat menyebabkan masalah kesehatan bagi penghuni.
Sehingga dapat disimpulkan bahwa kondisi ventilasi ruangan di Laboratorium Instrumentasi dan Listrik Polban masih berfungsi dengan baik.
Hasil Pengukuran Gas CO2 Pengukuran gas CO2 dilakukan dengan membandingkan hasil pengukuran oleh alat monitoring yang dibuat dan alat carbon dioxide detector AR8200.
Dari hasil pengukuran ini (Gambar .
, diperoleh nilai persentase eror sebesar 24,90%.
yang tergolong tinggi dibandingkan parameter lainnya.
Penyimpangan ini dapat disebabkan oleh beberapa faktor.
SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika CO2 .
diantaranya karakteristik sensor, kondisi lingkungan, dan kurangnya kalibrasi awal.
Selain itu, kondisi lingkungan juga berperan dalam meningkatnya eror.
Sensor COCC berbasis NonDispersive Infrared (NDIR) seperti MH-Z19 yang digunakan pada penelitian ini dapat mengalami cross-sensitivity, di mana gas lain yang ada di udara atau perubahan tekanan dan kelembapan dapat mempengaruhi pembacaan COCC.
Beberapa studi menunjukkan bahwa sensor COCC jenis ini dapat mengalami deviasi hingga A20% hingga A30% dalam kondisi lingkungan yang tidak terkendali.
Data keAlat AR8200 Sensor MH-Z19 Gambar 12.
Perbandingan pengukuran gas CO2 dengan AR8200 dan sensor MH-Z19 CO2 .
Adapun hasil pengukuran kandungan gas CO2 di dalam ruangan uji untuk kedua kondisi uji yang berbeda ditunjukkan pada Gambar 13 berikut.
Data keTanpa Penghuni Dengan Penghuni Gambar 13.
Hasil pengukuran gas CO2 Berdasarkan Gambar 13, diperoleh nilai rata-rata konsentrasi CO2 saat ruangan tanpa penghuni adalah sebesar 516,85 ppm.
Nilai konsentrasi ini bertambah menjadi 703,4 ppm saat ruangan diberikan beban penghuni.
Penambahan jumlah penghuni di dalam ruang uji menyebabkan terjadinya peningkatan kandungan gas CO2 secara signifikan.
Hal ini telah sesuai dengan konsep bahwa semakin banyak orang yang berada di dalam ruangan, maka akan semakin banyak pula gas CO2 yang dihasilkan dari proses pernapasan.
Aktivitas penghuni yang lebih tinggi akan meningkatkan metabolisme tubuh, sehingga menghasilkan lebih banyak CO2 yang dikeluarkan melalui pernapasan.
Selain itu, semakin lama penghuni berada di dalam ruangan, maka akan semakin banyak pula gas CO2 yang terakumulasi di dalam ruangan tersebut.
Hasil Pengukuran Suhu dan Kelembapan Pengukuran suhu dan kelembapan dilakukan dengan membandingkan hasil pengukuran oleh sensor DHT11 dan alat ukur particle counter HT-9600.
Perbandingan hasil pengukuran ini ditunjukkan pada Gambar 14 dan 15 berikut.
SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika Suhu .
C) Data keAlat HT-9600 Sensor DHT11 Gambar 14.
Hasil perbandingan pengukuran suhu dengan HT-9600 dan DHT11 Kelembapan (%) Data keAlat HT-9600 Sensor DHT11 Gambar 15.
Hasil perbandingan pengukuran kelembapan dengan HT-9600 dan DHT11 Suhu .
C) Gambar 15 menunjukkan adanya persentase eror pengukuran suhu sebesar 3,40% dan kelembapan sebesar 5,67%.
Nilai persentase eror yang di bawah 10% ini menunjukkan bahwa hasil pengukuran dari sensor DHT11 pada alat monitoring yang dibuat masih dalam batas wajar, terutama untuk sensor low-cost yang umumnya memiliki eror sekitar 5-10%.
Adapun hasil pengukuran suhu dan kelembapan di dalam ruangan uji untuk kedua kondisi uji yang berbeda ditunjukkan pada Gambar 16 dan 17 berikut.
Data keTanpa Penghuni Dengan Penghuni Gambar 16.
Hasil pengukuran suhu Peningkatan jumlah penghuni menyebabkan terjadinya peningkatan suhu dan kelembapan di dalam ruangan tersebut.
Setiap individu yang berada di dalam ruangan menghasilkan panas melalui proses metabolisme.
Ketika jumlah penghuni meningkat, jumlah panas yang dihasilkan pun meningkat, yang dapat menyebabkan suhu ruangan naik.
Selain itu, setiap penghuni juga melepaskan uap air melalui pernapasan dan keringat.
SJME KINEMATIKA Vol.
10 No.
2, 14 Oktober 2025, pp 251-264 https://kinematika.
id/index.
php/kinematika Kelembapan (%) Dengan bertambahnya jumlah penghuni, jumlah uap air yang dilepaskan ke udara pun ikut meningkat, yang dapat menyebabkan kelembapan relatif di dalam ruangan meningkat.
Data keTanpa Penghuni Dengan Penghuni Gambar 17.
Hasil pengukuran kelembapan Peningkatan suhu dan kelembapan dapat menyebabkan kualitas udara menurun, karena dapat menciptakan kondisi yang lebih baik untuk pertumbuhan jamur dan bakteri.
Ini dapat menyebabkan masalah kesehatan bagi penghuni, seperti alergi atau penyakit pernapasan.
Suhu yang lebih tinggi dan kelembapan yang meningkat dapat membuat penghuni merasa tidak nyaman, yang dapat mempengaruhi produktivitas dan kesejahteraan penghuni Oleh karena itu, penting untuk memiliki sistem ventilasi yang baik dan memantau kondisi lingkungan untuk menjaga kenyamanan dan kesehatan di dalam ruangan.
KESIMPULAN
Pada penelitian ini telah dikembangkan alat monitoring kualitas udara dalam ruangan yang dapat mendeteksi konsentrasi partikulat debu (PM1.
PM2.
PM.
, karbon monoksida (CO) dan karbon dioksida (CO.
secara akurat dan real-time.
Sensor-sensor yang digunakan, yaitu sensor partikulat PMS5003, sensor gas MQ-7 dan MH-Z19, serta sensor suhu dan kelembapan DHT11, menunjukkan hasil pengukuran yang sesuai dengan tren hasil pengukuran alat ukur standar, walaupun masih terdapat persentase eror pengukuran yang Sistem monitoring yang dikembangkan berbasis mikrokontroler ESP8266 mampu mengolah data dari sensor dan mengirimkan data ke dashboard ThingSpeak melalui jaringan Wi-Fi untuk ditampilkan secara visual.
Hasil pengujian menunjukkan alat dapat mendeteksi perubahan konsentrasi partikulat debu dan gas dengan eror rata-rata sebesar 16,34% (PM2.
, 7,71% (PM.
, 24,90% (CO.
3,40% .
dan 5,67% .
Sementara itu, untuk pengukuran gas CO diperoleh nilai deviasi absolut sensor sebesar 20 ppm, sehingga masih diperlukan adanya kalibrasi terhadap sensor yang digunakan.
Dengan demikian, alat monitoring kualitas udara dalam ruangan yang dikembangkan terbukti efektif dalam mendeteksi konsentrasi partikulat debu.
CO.
CO2, suhu dan kelembapan secara akurat dan real-time.
Alat ini dapat berkontribusi dalam upaya meningkatkan kualitas udara untuk kesehatan dan kenyamanan penghuni.
Penelitian selanjutnya dapat difokuskan pada peningkatan akurasi sensor melalui metode kalibrasi yang lebih baik guna meminimalisir pengaruh interferensi lingkungan, serta pengembangan fitur prediktif untuk memproses data secara lebih cerdas dalam mengoptimalkan kualitas udara dan sistem ventilasi dalam ruangan.
UCAPAN TERIMA KASIH