JNATIA Volume 1, Nomor 1, November 2022

Jurnal Nasional Teknologi Informasi dan Aplikasinya

Implementasi Sistem Monitoring pada Ikan Channa dengan Menggunakan Logika Fuzzy

I Gusti Made Sinta Widya Ningrat1, I Komang Ari Mogi2

aInformatika, Universitas Udayana Bali, Indonesia 1[email protected] 2[email protected]

Abstract

Channa fish is a predatory ornamental fish that lives in fresh water, in Indonesia channa fish called snakehead fish. Channa fish or snakehead fish are widely distributed in across Asia, such as Indonesia, India, Thailand, Malaysia, and Vietnam. This fish is very much in demand nowadays. However, channa fish have problems in adapting with the water temperature and pH itself. Imported channa fish, especially from India, are very difficult to adapt in Indonesia because of the difference the water temperature and pH. Hence Internet of Things-based system with algorithms was required to support and classify water temperature and pH data from sensors. Fuzzy logic algorithm is a branch of mathematics which provided as problem solving modeling by computer technology. Fuzzy logic would help the channa fish to adapt in Indonesia water temperature an pH. The result of this study was to provide a website based monitoring system to identify the value of data quality from Internet of Things sensors.

Keywords: Channa Fish, Data, Fuzzy Logic, Website, Monitoring System

  • 1.    Pendahuluan

Ikan channa adalah ikan hias predator yang di hidup di air tawar, di Indonesia ikan channa disebut sebagai ikan gabus. Peredaran ikan channa kerap ditemukan di berbagai negara di Asia, Indonesia, India, Thaliand, Malaysia, Myanmar dan Vietnam. Dewasa ini, ikan channa sangatlah banyak digemari oleh masyarakat Indonesia. Dari pesona ikan channa yang indah dan banyak diminati oleh masyarakat, terdapat sebuah permasalahan dalam melakukan perawatan ikan channa, khususnya pada ikan channa jenis impor. Salah satu aspek yang penting dalam melakukan budidaya ikan ialah menjaga agar kualitas air yang digunakan sesuai dengan kebutuhan ikan [14]. Perbedaan suhu dan pH air yang tidak sama antara negara asal ikan channa dengan Indonesia menyebabkan ikan channa tidak mampu bertahan hidup. Maka dari itu, sangat diperlukan suatu sistem yang mampu melakukan monitoring dan mengklasifikasikan data mengingat ikan channa sangat bergantung pada suhu air dan kandungan pH yang seimbang untuk dapat bertahan hidup [6]. Hal inilah yang melatarbelakangi penulis untuk membuat suatu sistem monitoring pada ikan channa.

Salah satu teknologi yang bermanfaat dalam kegiatan manusia ialah Internet of Things [13]. Penggunaan Internet of Things dapat meningkatkan produktivitas suatu pekerjaan karena adanya konektivitas internet yang memungkinkan terjadinya pertukaran informasi secara luas dan terus menerus [15]. Contoh penerapan dari Internet of Things ini ialah pada sistem monitoring [10]. Sistem monitoring merupakan suatu sistem yang bertujuan untuk mengamati, mengetahui dan mengidentifikasi setiap perkembangan maupun perubahan dari hal sedang diteliti [3]. Pembuatan suatu sistem monitoring pada budidaya ikan channa merupakan salah satu upaya untuk mengetahui bagaimana kondisi lingkungan hidup ikan channa [9].

Dalam membuat suatu sistem monitoring, diperlukan adanya metode yang sesuai dengan tujuan dari sistem tersebut. Adapun metode yang digunakan pada penelitian ini ialah logika fuzzy. Logika fuzzy adalah logika dengan nilai yang samar sehingga dapat bernilai benar maupun salah. Himpunan pada logika fuzzy merupakan indikator yang penting dalam membangun sistem yang baik. Logika fuzzy sering digunakan pada besaran untuk diterjemahkan menjadi suatu bahasa linguistik contohnya besaran curah hujan yang dapat diterjemahkan menjadi ekspresi sangat deras, deras serta biasa [4]. Logika fuzzy dapat digunakan untuk melakukan klasifikasi data sehingga sangat sesuai dengan kebutuhan sistem yang akan mengklasifikasikan kondisi lingkungan ikan channa [7]. Himpunan pada logika fuzzy merupakan indikator yang penting dalam membangun sistem yang baik. Oleh sebab itu, terdapat himpunan fuzzy pada sistem monitoring ikan channa dengan yang mencangkup suhu air, pH air, hari adaptasi dan jumlah ikan sebagai indikator pendukung sistem [12].

Pada penelitian ini pengujian sistem dilakukan menggunakan pengujian black box testing. Black box testing ialah pengujian perangkat lunak dengan mempertimbangkan nilai keluaran pada sistem tanpa harus mempertimbangkan struktur kode dari sistem yang dibangun [1]. Sistem yang dibuat berupa website. Website merupakan kumpulan dari berbagai halaman yang saling terhubung dan memiliki beberapa item seperti gambar atau dokumen yang terdapat pada web server [5]. Website merupakan layanan informasi yang menggunakan konsep hyperlink guna mempermudah user dalam mengakses internet [11]. Website merupakan kumpulan berbagai dokumen yang terdiri dari beberapa halaman dan berisi berbagai informasi berupa video, tulisan, gambar dan suara yang berada pada suatu server dan dapat diakes menggunakan browser [8]. Web dapat menjadi suatu situs yang terus berkemang menjadi perpustakaan informasi yang dapat diakses dimana saja melalui search engine juga sebagai tempat penyimpanan media secara hosting dan berbagi suatu data secara gratis [2].

  • 2.    Metode Penelitian

    2.1.    Objek Penelitian Ikan Channa

Pada penelitian dengan judul implementasi sistem monitoring pada ikan channa dengan menggunakan logika fuzzy, penulis mendapatkan data melalui wawancara di salah satu toko ikan channa di Bali. Data objek ikan channa yang penulis dapatkan dari narasumber berupa tiga buah ikan channa, yaitu Channa Auranti, Channa Pulchra, Channa Maru dengan ukuran hidup adaptasi ikan channa yang ditunjukkan sebagai berikut :

Tabel 1. Data Ukuran Hidup Adaptasi Ikan Channa

Hasil Wawancara Data Ukuran Hidup Adaptasi Ikan Channa

Jenis Ikan Channa

Suhu Air

pH Air

Channa Auranti

16oC – 20oC

6.0 - 7.0

Channa Pulcrha

20oC – 22oC

6.0 - 6.5

Channa Maru

24oC – 30oC

6.0 - 8.0

  • 2.2.    Perancangan Sistem

Dalam tahapan ini menjelaskan bagaimana sistem mampu menjalankan tugasnya untuk memantau data dari sensor suhu air dan pH air yang didapatkan pada waktu wawancara dengan narasumber dengan penjelasan sebagai berikut :

  • a.    Data sensor suhu air, pH air, hari adaptasi, dan jumlah ikan dalam tank yang didapatkan dari narasumber dengan jangka waktu selama 1 hari dan data tersebut akan dikirimkan oleh mikrokontroler ke dalam database melalui protokol HTTP.

  • b.    Sistem akan melakukan pembacaan data sensor suhu air dan pH air dan melakukan klasifikasi data dengan menggunakan logika fuzzy.

  • c.    Pengguna diminta untuk memasukkan batas atas, batas tengah dan batas bawah nilai keanggotaan fuzzy sesuai dengan himpunan fuzzy.

  • d.    Sistem akan memberikan informasi berupa keterangan kondisi kualitas dari data sensor berupa nilai dan kriteria berupa sangat baik, baik dan buruk.

Sistem dapat dikatakan berjalan dengan baik apabila sistem mampu menampilkan kondisi kualitas dari data sensor yang telah di proses oleh logika fuzzy dengan himpunan suhu air, pH air, hari adaptasi dan jumlah ikan yang dijelaskan sebagai berikut :

Tabel 2. Himpunan dan Nilai Keanggotaan

Nama Himpunan

Nilai Keanggotaan

Suhu Air

Suhu Rendah

Suhu Normal

Suhu Tinggi

pH Air

Asam

Netral

Basa

Hari Adaptasi

Baru

Lama

Jumlah Ikan

Sedikit

Banyak

  • 2.3.    Logika Fuzzy

    2.3.1.    Proses Himpunan Fuzzy

Himpunan fuzzy merupakan nilai keanggotaan yang bersifat kompleks dan dilambangkan dengan X sebagai objek serta Y sebagai himpunan. Himpunan dalam fuzzy memiliki dua buah atribut yaitu linguistik yang memiliki penamaan menggunakan bahasa alami seperti suhu air, pH air, hari adaptasi, beserta jumlah ikan dan numerik yang memiliki penamaan menggunakan angka seperti 10, 20, 30, dan seterusnya.

  • 2.3.2.    Fungsi Keanggotaan Fuzzy

Fungsi keanggotaan fuzzy adalah derajat keanggotaan fuzzy yang dapat menampilkan nilai pemetaan titik masukan data menjadi nilai keanggotaan. Salah satu metode pendekatan fungsional dalam logika fuzzy dapat direpresentasikan dengan bentuk kurva. Berikut ini merupakan contoh gambaran kurva dalam fungsi keanggotaan fuzzy :

Gambar 1. Kurva dalam Fungsi Keanggotaan Fuzzy

Representasi kurva dalam fungsi keanggotaan yang merepresentasikan kurva keanggotaan fuzzy sebagai berikut :

μ(x) =0,     x ≤ a atau x≥ c;

(1)

μ(x) = χτa> = a < x < b; b-a

(2)

μ(x) = c~χ, = b < x < c. c-b

(3)

Keterangan :

  • a = nilai domain terkecil yang mempunyai derajat keanggotaan nol.

  • b = nilai domain yang mempunyai derajat keanggotaan satu.

  • c = nilai domain terbesar yang mempunyai derajat keanggotaan nol.

  • x = nilai input atau output yang akan diubah ke dalam bilangan fuzzy.

  • 2.3.3.    Fuzzyfikasi

Pada dasarnya proses fuzzyfikasi merupakan suatu proses perubahan himpunan crisp ke dalam himpunan fuzzy, dalam arti lain mengubah variabel numerik menjadi linguistik. Dalam hal ini, fuzzyfikasi dapat digambarkan dengan fungsi implikasi yang digambarkan dengan bentuk umum yaitu IF x adalah A THEN y adalah B elemen, yaitu jika pada x dan y keduanya A, maka dapat dikatakan A dan B adalah kelompok proposisi fuzzy yang mengikuti THEN dan dapat disebut sebagai selanjutnya. Pada tahapan ini dapat digambarkan sebagai berikut :

Tabel 3. Rules Fuzzy

No


Rules

  • 1    if (suhu_air == himpunan['Rendah'] && Jumlah_Ikan == himpunan['Sedikit']

&& ph_air == himpunan['asam'] && Hari_Adaptasi==$himpunan['Baru']) { keterangan = 'Baik';

}

  • 2    else if (suhu_air == himpunan['Rendah'] && Jumlah_Ikan == himpunan['Sedikit'] && ph_air == himpunan['Asam'] && Hari_Adaptasi== himpunan['Lama']) {

keterangan = 'Baik';

}

  • 3    else if (suhu_air == himpunan['Rendah'] && Jumlah_Ikan == himpunan['Sedikit'] && ph_air == himpunan['Netral'] && Hari_Adaptasi== himpunan['Baru']) {

$keterangan = 'Baik';

}

  • 4    else if (suhu_air == himpunan['Rendah'] && Jumlah_Ikan == himpunan['Sedikit'] && ph_air == himpunan[Netral'] && Hari_Adaptasi== himpunan['Lama']) {

keterangan = 'Baik';

}

  • 5    else if (suhu_air == himpunan['Rendah'] && Jumlah_Ikan == himpunan['Sedikit'] && ph_air == himpunan['Basa'] && Hari_Adaptasi== himpunan['Baru']) {

keterangan = 'Buruk';

}

  • 2.3.4.    Hasil Fuzzy

Dalam hasil fuzzy memberikan nilai fungsi keanggotaan fuzzy dengan memetakan kembali nilai fuzzy menjadi nilai crisp yang menjadi output atau nilai solusi permasalahan yang direprentasikan dalam kondisi sangat baik, baik dan buruk.

  • 2.4.    Desain Sistem

Implementasi sistem monitoring pada ikan channa dengan menggunakan logika fuzzy ini memiliki berberapa fitur di dalamnya dengan fitur utama adalah klasifikasi data sensor suhu air, sensor pH air, data hari adaptasi dan data jumlah ikan yang dijelaskan melalui penjelasan berikut :

  • a.    Fitur data sensor, yaitu pada fitur ini pengguna dapat melihat besaran nilai dan data dari sensor suhu air, sensor pH air, data hari adaptasi dan data jumlah ikan. Data tersebut akan dikemas melalui tabel dan memiliki informasi berupa kode tank sebagai posisi sensor yang dibaca.

  • b.    Fitur suhu air, yaitu pada fitur ini akan menampilkan informasi berupa kode tank sebagai posisi sensor yang dibaca beserta nilai keanggotaan suhu air dalam tank tersebut. Pada fitur ini pengguna dapat update data nilai pada himpunan variabel suhu air yaitu suhu tinggi, normal, dan rendah dengan batas bawah, batas tengah dan batas atas.

  • c.    Fitur pH air, yaitu pada fitur ini akan menampilkan informasi berupa kode tank sebagai posisi sensor yang dibaca beserta nilai keanggotaan pH air dalam tank tersebut. Pada fitur ini pengguna dapat melakukan update data nilai pada himpunan variabel pH air yaitu asam, netral dan basa dengan batas bawah, batas tengah dan batas atas.

  • d.    Fitur hari adaptasi, yaitu pada fitur ini akan menampilkan informasi berupa kode tank sebagai posisi sensor yang dibaca beserta nilai keanggotaan hari adaptasi dalam tank tersebut. Pada fitur ini pengguna dapat melakukan update data nilai pada himpunan variabel hari adaptasi yaitu baru dan lama dengan batas bawah, batas tengah dan batas atas.

  • e.    Fitur jumlah ikan, yaitu pada fitur ini akan menampilkan informasi berupa kode tank sebagai posisi sensor yang dibaca beserta nilai keanggotaan jumlah ikan dalam tank tersebut. Pada fitur ini pengguna dapat melakukan update data nilai pada himpunan variabel jumlah ikan yaitu banyak dan sedikit dengan batas bawah, batas tengah dan batas atas.

  • f.    Fitur hasil klasifikasi, yaitu pada fitur ini akan menampilkan hasil dari klasifikasi keseluruhan data sensor suhu air, sensor pH air, data hari adaptasi dan data jumlah ikan dengan nilai keanggotaan di setiap data dan nilai dari kualitas data sensor dengan jangkauan sangat baik, baik dan buruk.

Gambar 2. Flowchart

  • 3.    Hasil dan Pembahasan

    3.1.    Implementasi Sistem

Pada sistem ini menggunakan 6 buah fitur, yaitu fitur pertama data sensor untuk melihat tampilan data sensor dari suhu air, pH, hari adaptasi, jumlah ikan yang dikirimkan oleh sensor. Fitur kedua adalah suhu air untuk melihat data perhitungan fuzzy dengan fitur tambahan edit nilai derajat keanggotaan. Fitur ketiga adalah pH air untuk melihat data perhitungan fuzzy dengan fitur tambahan edit nilai derajat keanggotaan. Fitur keempat adalah hari adaptasi untuk melihat data perhitungan fuzzy dengan fitur tambahan edit nilai derajat keanggotaan. Fitur kelima adalah jumlah ikan untuk melihat data perhitungan fuzzy dengan fitur tambahan edit nilai derajat keanggotaan. Fitur keenam adalah fitur utama dalam sistem yaitu fitur yang berfungsi menapilkan hasil dari perhitungan data sensor yang sudah di proses melalui logika fuzzy.


Gambar 3. Halaman Dashboard


ι⅛ιsu Mauesimawiuyaninsrai


S


Data Sen so r


Nilai Suhu Air


Berarda > NiIaiSuhuAir


OSeteI HimpunanVariatieI Nilai Suhu air


»


Suhu Air


Θ


PhAir


Hasil Fuzzifikasi Sensor Suhu Air


Ni⅛ Fuzzy


0


Hari Adaptasi


No.


Kode Tank


Derajat Keanggotaan Suhu Air


Jumlah Ikan


Suhu Rendah

Suhu Normal

Suhu Tinggi

IS


Hasil Kiasifikasi


C-002


0.66666666666667


0.33333333333333


C-002


0.66666666666667


0.33333333333333


5


C-002


C-002


C-002


C-002


0.66666666666667


0.66666666666667


0.66666666666667


0.66666666666667


0.33333333333333


0.33333333333333


0.33333333333333


0.33333333333333


Gambar 4. Halaman Nilai Keanggotaan Suhu Air


Gambar 5. Halaman Setting Nilai Himpunan Variabel Suhu Air


^∣ Data Sensor


φ susTi made sinta½idya ningrat


NiIaiPh


# Sotcl HimpunanVariabeI Nilai Ph


$ SuhuAir

Q Ph Air

0 Hari ACaptasi

, Jumlah Ikan

E=] Hasi∣ Klasifikasi


Beranda > Nilai Ph                                                ^^^^^^^^∣

Hasil Fuzzifikasi Nilai Ph

NilaiFijzzy [0-1]

No.          Kode Tank                                    Derajat Keanggotaan Nilai Ph

Asam                 Netral                Basa

Gambar 6. Halaman Nilai Keanggotaan pH Air



Gambar 7. Halaman Setting Nilai Himpunan Variabel pH Air


^∣ Data Senscr


∩ Gustimadesintawidyamngrat


$ SuhuAir

Q PhAir

Q Hari Adaptasi

^r □uιnlah Ikan

≡ Hasil Klasifikasi


Hari Adaptasi

Beranda > HariAdaptasi

Hasil Fuzzifikasi Hari Adaptasi

Nilai Fuzzy [6-1]

No.             KodeTank

1

2C-002

3C-002

4C-002

5C-002

6C-002


OSeteI Himpunan VariabeIHariAdaptasi


Derajat Keanggotaan HariAdaptasi


Baru


Lama


O


O


Gambar 8. Halaman Nilai Keanggotaan Hari Adaptasi



Gambar 9. Halaman Setting Nilai Himpunan Variabel Hari Adaptasi



Gambar 10. Halaman Nilai Keanggotaan Jumlah Ikan


Gambar 11. Halaman Setting Nilai Himpunan Variabel Jumlah Ikan

Gambar 12. Hasil Klasifikasi

  • 3.2.    Pengujian Sistem

Pengujian sistem dilakukan dengan menggunakan metode black box testing yang berfungsi untuk menentukan fungsionalitas dari Implementasi Sistem Monitoring pada Ikan Channa dengan menggunakan Logika Fuzzy. Berikut ini merupakan rincian pengujian yang ditunjukkan seperti pada tabel berikut:

Tabel 4. Pengujian Sistem

Modul yang Diuji

Prosedur Pengujian

Masukkan

Keluaran yang Diharapkan

Hasil yang Didapat

Kesimpulan

Fitur Data Sensor

Buka    fitur

data sensor

Buka sistem bagian fitur data sensor

Sistem mampu menampilkan data

Sistem mampu menampilkan keseluruhan data

Berhasil

Fitur Suhu Air

Buka    fitur

suhu air dan setting batas nilai keanggotaan

Buka    fitur

bagian suhu air       dan

bagian setting batas

Sistem mampu menampilkan fuzzy   suhu

air

Sistem mampu menampilkan data fuzzy

Berhasil

nilai keanggotaan

Fitur pH Air

Buka fitur pH air       dan

setting batas nilai keanggotaan

Buka    fitur

bagian pH air dan   bagian

setting batas nilai keanggotaan

Sistem mampu menampilkan fuzzy pH air

Sistem mampu menampilkan data fuzzy

Berhasil

Fitur   Hari

Adaptasi

Buka fitur hari adaptasi dan setting batas nilai keanggotaan

Buka    fitur

bagian   hari

adaptasi dan bagian setting batas nilai keanggotaan

Sistem mampu menampilkan fuzzy    hari

adaptasi

Sistem mampu menampilkan data fuzzy

Berhasil

Fitur Jumlah

Ikan

Buka fitur jumlah ikan dan setting batas nilai keanggotaan

Buka    fitur

bagian jumlah  ikan

dan   bagian

setting batas

nilai keanggotaan

Sistem mampu menampilkan fuzzy jumlah ikan

Sistem mampu menampilkan data fuzzy

Berhasil

Hasil Klasifikasi

Buka    fitur

hasil klasifikasi dan   sistem

mampu menampilkan hasil      dari

logika fuzzy

Buka    fitur

bagian hasil klasifikasi dan   sistem

mampu menampilkan hasil      dari

logika fuzzy

Sistem mampu mengklasifik asikan  data

sesuai rules fuzzy

Sistem mampu mengklasifik asikan  data

sesuai rules fuzzy

Berhasil

  • 4.    Kesimpulan

Dengan adanya penelitian berupa pembuatan sistem monitoring pada ikan channa dengan menggunakan logika fuzzy ini dapat disimpulkan bahwa sistem berjalan dengan baik dan mampu mengklasifikasikan data sensor suhu air, pH air, hari adaptasi dan jumlah ikan dengan baik. Pada tahapan pengujian sistem menunjukkan bahwa enam buah fitur utama dalam sistem berjalan dengan baik sesuai dengan fungsional sistem. Hasil klasifikasi dari 118 data menunjukkan kondisi kualitas air dimana 80 data bernilai sangat baik, 6 data bernilai buruk dan 32 data bernilai baik.

References

  • [1]    F. Cahya Ningrum, D. Suherman and S. Aryanti, "Pengujian Black Box pada Aplikasi Sistem Seleksi Sales Terbaik Menggunakan Teknik Equivalence Partitions" Jurnal Informatika Universitas Pamulang, vol. 4, no. 4, p. 125 - 130, 2019.

  • [2] G. Vossen, The Web at Graduation and Beyond, Switzerland: Springer International

Publishing, 2017.

  • [3] H. Ahsanus Syek, "Sistem Informasi Monitoring Sales Berbasis Web Pada PT. Arifindo

Mandiri TDC Pamanukan" Jurnal Teknologi Informasi dan Komunikasi, vol. X, no. 2, p. 63 -67, 2019.

  • [4]    J. Iskandar, "Penerapan Fuzzy Logic untuk Meningkatkan Derajat Kebenaran Deteksi pada Alat Bantu Buta Warna Berbasis Sensor Optik" Jurnal Ilmiah Ilmu Komputer dan Matematika, vol. 16, no. 1, p. 195 - 202, 2018.

  • [5]    L. Sebok Susan, DISCOVERING COMPUTER 2018: Digital Technology, Data, and Devices, Boston: Cengage Learning, 2018.

  • [6]    M. Anggi, "Sistem Peringatan Kualitas Air dengan Teknologi IoT Berbasis Cloud pada Akuairum Air Tawar" Jurnal Teknologi Informatika dan Komputer MH. Thamrin, vol. 8, no. 1, p. 53 - 62, 2022.

  • [7]    M. Dedi Irawan, "Implementasi Logika Fuzzy dalam Menentukan Jurusan bagi Siswa Baru Sekolah Menengah Kejuruan (SMK) Negeri 1 Air Putih" Jurnal Teknologi Informasi, vol. 2, no. 2, p. 129 - 137, 2018.

  • [8]    M. Muhyidin, "Perancangan UI/UX Aplikasi My CIC Layanan Informasi Akademik Mahasiswa Menggunakan Aplikasi Figma" Jurnal Digit, vol. 10, no. 02, 2020.

  • [9]    Pariyanto, "Studi Populasi Ikan Gabus (Channa striata) di Sungai Air Manna Desa Lembak Kemang Kabupaten Bengkulu Selatan" Jurnal Ilmiah Pendidikan Sains, vol. 1, no. 2, p. 53 -60, 2021.

  • [10]    Patel, K. K., & Patel, S. M, “Internet Of Things-IOT: Definition, Characteristics, Architecture, Enabling Technologies, Application & Future Challenges” International Journal of engineering science and computing, vol. 6, no. 5, 2016.

  • [11]    R. Doni, "Sistem Monitoring Tanaman Hidroponik Berbasis Iot (Internet of Thing) Menggunakan Nodemcu ESP8266" J-SAKTI (Jurnal Sains Komputer Dan Informatika), vol. 04, no. 02, 2020.R. Rosdian Abdullah, "Monitoring Suhu Ruangan Server dengan Fuzzy Logic Metode Sugeno Menggunakan Arduino dan SMS" SWABUMI, vol. I, no. 1, p. 1 - 9, 2014.

  • [12]    R. Rosdian Abdullah, "Monitoring Suhu Ruangan Server dengan Fuzzy Logic Metode Sugeno Menggunakan Arduino dan SMS" SWABUMI, vol. I, no. 1, p. 1 - 9, 2014.

  • [13]    Sandi, F. H, “Sistem Monitoring Kelembapan Tanah, Suhu, pH dan Penyiraman Otomatis Pada Tanaman Tomat Berbasis Internet of Things”, 2019.

  • [14]    Sriani, F. Purwaningtyas, "Sistem Water Level Control untuk Budaya Ikan Gurame Menggunakan Logika Fuzzy Berbasis Mikrokontroler" Jurnal Ilmu Komputer dan Informatika, vol. 03, no. 01, p. 48 - 57, 2018.

  • [15]    Zohari, M. H., Bala, V., & Abd Ghafar, A. S, “Server Monitoring Based on IoT Using ThingSpeak” Journal of Electrical Power and Electronic Systems, vol. 1, no. 2, 2019.

470