<![CDATA[Kedelai merupakan salah satu kebutuhan bahan pokok yang sering digunakan oleh masyarakat Indonesia. Masyarakat Indonesia pada umumnya mengolah tanaman berbasis biji-bijian ini menjadi tahu, tempe, tauco, kecap, susu kedelai dan bentuk olahan lain untuk dikonsumsi. Ironisnya produksi tanaman kedelai di Indonesia masih rendah dan tak sebanding dengan angka permintaan di pasaran. Dari data kementrian Pertanian (Kementan), rata-rata produksi kedelai nasional selama periode 2015 - 2019 adalah 687.151 ton per tahun dengan rata-rata kapasitas secara geografis adalah 1,5 ton per hektar, angka ini sangat jauh bila dibandingkan dengan negara lain yang bisa memproduksi 2 – 3 ton per hektar. Permasalahan ini disebabkan oleh ketidakefienan dalam mengelola budidaya kedelai di tengah kondisi lingkungan yang dinamis yang tidak mendukung kesuburan tanah tanaman kedelai. Untuk itu, dibuatlah sebuah sistem pendeteksi yang dapat menentukan kualitas tanah, sehingga dapat membantu para petani kedelai dalam melakukan penanaman dengan lebih optimal dan efektif. Pada penelitian terdahulu yang dilakukan oleh Bhayangkara, A. (2020), di rancang sebuah sistem pendeteksi kualitas tanah tanaman kedelai dengan mengimplementasikan metode klasifikasi KNN. Pada penelitian tersebut, beliau memanfaatkan parameter kelembaban tanah dan pH tanah sebagai data input yang akan diproses oleh mikrokontroler untuk menghasilkan data berupa penentuan kualitas tanah yang baik, sedang, maupun buruk. Dengan menerapkan proses pengklasifikasian K-Nearest Neighbor (KNN), diperoleh tingkat akurasi paling tinggi yaitu 86,6%. Pada penelitian ini, penulis mengembangkan sistem yang sama yaitu sistem pendeteksi kualitas tanah pada tanaman kedelai dengam mengimplementasikan metode Fuzzy Mamdani guna untuk meningkatkan akurasi sehingga sistem dapat bekerja lebih optimal. Pendeteksian dilakukan dengan menggunakan sensor kelembaban tanah yang bersifat kapasitif (Capacitive Soil Moisture Sensor) dan sensor pH tanah (Soil pH Sensor). Kedua sensor ini ditancapkan ke dalam tanah untuk mengukur besar kelembaban dan juga pH tanah tersebut. Kedua data ini kemudian diproses oleh mikrokontroler Arduino Uno untuk melakukan proses klasifikasi dengan menggunakan logika Fuzzy Mamdani. Lalu nilai yang dibaca oleh kedua sensor serta hasil klasifikasi akan ditampilkan pada layar LCD 16x2. Pengujian sistem ini dilakukan sebanyak 30 kali percobaan dengan nilai kelembaban dan pH tanah yang beragam. Lewat pengujian ini didapatkan akurasi metode klasifikasi Fuzzy Mamdani sebesar 90% dengan perhitungan komputasi waktu (Time Computation) sebesar 2052,3 milisekon dan perhitungan penggunaan memory pada SRAM (Memory Usage) sebesar 590 bytes.]]>
