<![CDATA[Sensor partikulat low-cost banyak digunakan pada sistem monitoring udara berbasis Internet of Things (IoT), namun pembacaan data yang dilakukan sensor tersebut sering dipengaruhi oleh noise, fluktuasi sinyal, dan lonjakan nilai sesaat (spike). Penelitian ini bertujuan meningkatkan kualitas data sensor partikulat melalui penerapan hybrid filtering yang mengombinasikan Median Filter dan Exponential Moving Average (EMA). Sistem monitoring dikembangkan menggunakan sensor GP2Y1010AU0F, ESP32, DHT22, Firebase Realtime Database, dan dashboard pada platform Blynk. Sebanyak 4.019 data pengamatan dikumpulkan dan diproses menggunakan Median Filter dan EMA. Evaluasi dilakukan menggunakan parameter statistik berupa standard deviation (SD), variance (V), coefficient of variation (CV), dan interquartile range (IQR). Hasil penelitian menunjukkan bahwa penerapan hybrid filtering mampu menurunkan SD sebesar 52,85%, variance sebesar 77,77%, CV sebesar 46,66%, dan IQR sebesar 29,58%, sehingga meningkatkan stabilitas serta mengurangi variabilitas sinyal sensor. Kombinasi Median Filter dan EMA efektif mereduksi pengaruh noise dan spike tanpa menghilangkan tren utama data. Dengan demikian, pendekatan yang diusulkan dapat meningkatkan reliabilitas sistem monitoring udara berbasis IoT yang menggunakan sensor partikulat low-cost.]]>
Copyrights © 2026
