Octarina Sandy, Riri
Unknown Affiliation

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

Found 1 Documents
Search

Penyiraman Tanaman Otomatis Berbasis Sensor Kelembaban Tanah sebagai Penunjang Kebun Perkotaan pada Cabe Octarina Sandy, Riri; Asran, Asran; Kartika, Kartika
Jurnal Litek : Jurnal Listrik Telekomunikasi Elektronika Vol. 19 No. 2 (2022): Jurnal Litek, September 2022
Publisher : Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (620.171 KB) | DOI: 10.30811/litek.v19i2.13

Abstract

Sebagian besar mata pencarian penduduk Indonesia berada di sektor pertanian. Salah satu hasil komoditas dari pertanian adalah cabe. Kebutuhan air sangat mempengaruhi pertumbuhan pada cabe. Bercocok tanam pada area perumahan perkotaan dengan pekarangan yang seadanya serta memanfaatkan lahan yang sempit secara efisien dapat disebut sebagai tanaman perkotaan (urban farming). Salah satu penerapannya dibutuhkan alat untuk melakukan penyiraman dan monitoring pada tanaman berbasis Internet of Things (IoT) dikarenakan kesibukan masyarakat perkotaan yang menyebabkan kendala dalam proses bercocok tanam. Penelitian ini bertujuan merancang dan membangun sistem alat penyiraman tanaman otomatis di pekarangan rumah. Penelitian ini menggunakan NodeMCU ESP8266 sebagai mikrokontrolernya, sensor soil moisture sebagai sensor kelembaban tanah, sensor HC-SR04 sebagai pendeteksi ketersediaan air dan LCD I2C sebagai penampil intruksi pada alat ini. Alat ini bekerja secara IoT dengan menggunakan aplikasi Blynk sebagai monitoring tanaman. Hasil penelitian menunjukkan alat ini telah dirancang dan berhasil dibangun dengan baik. Dengan hasil pengujian konfigurasi NodeMCU dan komponen lainnya telah berjalan dengan baik sesuai pada program. Pada pengujian catu daya menunjukkan kondisi arus dan tegangan dengan kondisi stabil. Hasil pengujian keseluruhan pada kelembaban rata-rata pada tiga jenis tanah, menggunakan metode manual dan otomatis, dengan rerata kesalahan 19%.