Al Azis, Mokhammad Saifulloh
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Rancang Bangun Pendeteksi Kematangan Pupuk Kandang Dari Kohe Kambing Berbasis Internet of Things Al Azis, Mokhammad Saifulloh; Sujono, Sujono; Widya, Moh. Anshori Aris
Jurnal Surya Informatika Vol. 16 No. 2 (2026): - UPCOMING ISSUE - Jurnal Surya Informatika, Vol 16. No. 2, November 2026
Publisher : Universitas Muhammadiyah Pekajangan Pekalongan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.48144/suryainformatika.v16i2.2505

Abstract

Proses fermentasi pupuk kandang dari kotoran hewan (kohe) kambing memerlukan pemantauan beberapa parameter lingkungan, seperti suhu, kadar air substrat, dan konsentrasi gas amonia, untuk menentukan tingkat kematangan pupuk secara akurat. Penentuan kematangan pupuk secara konvensional masih dilakukan melalui pengamatan organoleptik subjektif terhadap bau, warna, tekstur, dan perabaan suhu, sehingga hasilnya kurang konsisten, berisiko kesalahan, dan membutuhkan waktu relatif lama. Penelitian ini bertujuan merancang dan membangun sistem pendeteksi kematangan pupuk kandang berbasis Internet of Things (IoT) yang mampu melakukan pemantauan kondisi pupuk secara real-time. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan pendekatan Prototyping yang meliputi tahap analisis kebutuhan, perancangan sistem, pembuatan prototipe, pengujian, dan evaluasi. Sistem dikembangkan menggunakan mikrokontroler Wemos D1 Mini yang terintegrasi dengan sensor suhu DS18B20, sensor kelembapan Capacitive Soil Moisture Sensor v2, dan sensor gas amonia MQ-135. Data hasil pembacaan sensor dikirimkan melalui jaringan internet dan ditampilkan pada dashboard berbasis web serta LCD I2C. Penentuan tingkat kematangan pupuk dilakukan secara otomatis menggunakan logika klasifikasi berbasis ambang batas (rule-based threshold) suhu (T <= 30°C), kadar air (M <= 40%), dan amonia (NH3 <= 20 ppm). Hasil pengujian menunjukkan bahwa sensor DS18B20 mampu membaca suhu dengan selisih rata-rata 1,37°C dibanding termometer manual. Nilai kadar air substrat menurun dari 73% (hari ke-1) menjadi 33% (hari ke-14), dan konsentrasi amonia menurun dari 133 ppm menjadi 9 ppm. Pada hari ke-14, sistem secara otomatis mengklasifikasikan status pupuk sebagai "Matang". Pengujian black-box pada dashboard web menunjukkan tingkat keberhasilan 100% dengan success rate pengiriman data 98,5% dan latensi rata-rata 1,2 detik. Sistem ini terbukti meningkatkan efisiensi dan objektivitas penentuan kematangan pupuk organik