<![CDATA[Monitoring kelembaban tanah berbasis Internet of Things (IoT) merupakan komponen penting dalam sistem pertanian presisi. Namun, sensor kelembaban tanah resistif seperti YL-69 kerap menghasilkan pembacaan yang tidak stabil akibat gangguan noise dan fluktuasi lingkungan, sehingga berpotensi menyebabkan kesalahan pada sistem pengambilan keputusan otomatis. Penelitian ini mengusulkan sistem deteksi anomali data sensor kelembaban tanah dengan mengintegrasikan algoritma Kalman Filter adaptif dan metode statistik aturan 3-sigma. Kalman Filter dengan nilai kovariansi noise proses (Q) yang bersifat dinamis diterapkan untuk mereduksi noise dan meningkatkan stabilitas pembacaan sensor, sementara deteksi anomali dilakukan berdasarkan rentang normal yang dihitung menggunakan standar deviasi kumulatif. Implementasi sistem menggunakan mikrokontroler NodeMCU ESP32 yang terhubung ke basis data MySQL dengan antarmuka berbasis website sebagai media visualisasi dan notifikasi. Pengujian dilakukan pada tiga kondisi kelembaban tanah, yaitu kering, lembab, dan basah, menggunakan total 101 sampel data yang di antaranya mencakup 23 injeksi data spike sebagai simulasi kegagalan sensor. Hasil pengujian menunjukkan bahwa Kalman Filter berhasil menurunkan koefisien variasi secara signifikan: dari 26,01% menjadi 6,00% pada kondisi kering, dari 36,31% menjadi 2,37% pada kondisi lembab, dan dari 57,82% menjadi 4,00% pada kondisi basah. Sistem juga berhasil mendeteksi seluruh data anomali yang diinjeksikan dengan akurasi 100%, disertai notifikasi pop-up secara real-time pada antarmuka website.]]>
Copyrights © 2026
