Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : SNTE

Studi Perubahan Cuaca di Kota Tanjungpinang Berdasarkan Nilai Temperatur, Kelembapan, dan Kecepatan Angin menggunakan Mikrokontroler ESP32 Anggarudin, Anggarudin; Simanullang, Andreas M; Pardede, Masta Angel Valentina; Refly, Septia; Kusuma, Hollanda Arief; Suhendra, Tonny
Seminar Nasional Teknik Elektro Vol. 3 No. 1 (2023): SNTE II
Publisher : Forum Pendidikan Tinggi Teknik Elektro Indonesia Pusat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Jurnal ini membahas pengukuran suhu, kelembaban, dan kecepatan angin di Kota Tanjungpinang. Tujuannya adalah memahami kondisi lingkungan dan mendapatkan informasi cuaca. Pengukuran dilakukan menggunakan instrumen yang dirancang khusus untuk memperoleh data yang akurat. Metode penelitian meliputi pengumpulan data di lapangan, pengolahan, dan analisis data. Data yang diperoleh dibandingkan dengan standar kualitas lingkungan untuk menentukan tingkat kualitasnya. Rata-rata suhu dalam ruangan ber-AC adalah 21,87°C, sedangkan di luar ruangan 51,84°C. Kelembaban udara rata-rata dalam ruangan adalah 54%, sedangkan di luar ruangan 30%. Kecepatan angin rata-rata dalam ruangan dengan bantuan kipas adalah 12,38 km/jam. Hasil kalibrasi menunjukkan suhu rata-rata pada hari pertama adalah 34,76°C, pada hari kedua 29,59°C, dan pada hari ketiga 27,09°C, dengan kelembaban dan kecepatan angin yang sesuai. Jurnal ini menyajikan hasil pengukuran di Gedung FTTK, Kampus UMRAH, Senggarang, dengan harapan memberikan pengetahuan baru bagi pembaca dan dapat dikembangkan lebih lanjut di masa depan.
Implementasi ANN Berbasis Edge Computing pada ESP32 untuk Memprediksi Kelembaban dan Suhu James Erick Lumantoruan; Suhendra, Tonny; Sapta Nugraha
Seminar Nasional Teknik Elektro Vol. 4 No. 1 (2025): SNTE III
Publisher : Forum Pendidikan Tinggi Teknik Elektro Indonesia Pusat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46962/snte.25.089

Abstract

Penelitian ini mengembangkan sistem prediksi suhu dan kelembaban udara menggunakan algoritma Artificial Neural Network (ANN) yang diimplementasikan langsung pada perangkat edge ESP32. Sistem dirancang sebagai solusi ketika sensor DHT22 gagal membaca data secara real-time. Model ANN dilatih menggunakan TensorFlow dan dikonversi ke format TensorFlow Lite agar dapat dijalankan secara efisien pada perangkat dengan keterbatasan sumber daya. Pengujian dilakukan selama dua hari dengan interval prediksi antara 5 hingga 120 menit. Hasil menunjukkan bahwa model memiliki akurasi tinggi pada prediksi jangka pendek (5–10 menit), dengan nilai MAE sebesar 0,22–0,41 °C untuk suhu dan 0,16–0,24 % RH untuk kelembaban. Akurasi menurun pada prediksi jangka menengah hingga panjang, dengan kesalahan maksimum mencapai 3,26 °C dan 14,00 % RH. Sistem ini terbukti mampu memberikan estimasi yang andal saat sensor utama gagal, dan memiliki potensi pengembangan lebih lanjut dengan menambahkan variabel lingkungan lainnya sebagai input model. Model ANN bisa diterapkan dalam sistem prediksi berbasis edge computing pada Mikrokontroller ESP32 dan mampu beradaptasi melalui pembaharuan data secara berkala.