Electronic Theses and Dissertation

Perkebunan kopi merupakan sektor pertanian penting bagi perekonomian global, namun menghadapi tantangan dalam meningkatkan efisiensi produksinya. Produktivitas tanaman kopi sangat bergantung pada kondisi tanah, khususnya pada dua parameter kunci, yaitu kandungan NPK (Nitrogen, Fosfor, Kalium) dan tingkat keasaman tanah (pH). Parameter ini berperan krusial dalam menentukan kesehatan dan pertumbuhan tanaman kopi. Akan tetapi, pemantauan secara manual terhadap parameter tersebut di lahan perkebunan yang luas sering kali tidak praktis, mahal, dan tidak efisien. Penelitian ini bertujuan untuk merancang sistem monitoring berbasis IoT menggunakan ESP-NOW sebagai komunikasi dengan memanfaatkan aplikasi berbasis web atau smartphone, sehingga memungkinkan pemantauan kandungan unsur hara didalam tanah secara efisien.
Penelitian ini dilaksanakan di Laboratorium Instrumentasi dan Energi Fakultas Pertanian Universitas Syiah Kuala. Pada proses implementasinya, sistem monitoring dirancang menggunakan tiga unit ESP32, dua unit berperan sebagai pengirim (Master) dan satu sebagai penerima (Slave). Setiap master terhubung ke sensor NPK 5-in-1 (yang mengukur N, P, K, pH, dan EC). Perangkat lunak dirancang dengan arsitektur master-slave. Master membaca data sensor dan mengirimkannya, sementara Slave bertindak sebagai gateway yang menerima data melalui ESP-NOW dan mengunggahnya ke Arduino IoT Cloud serta Spreadsheets. Hasil pengukuran sensor tersebut dapat dilihat pada Dashboard yang telah di desain melalui website Arduino IoT Cloud dan history data dapat dilihat pada Spreadsheets melalui Smartphone.
Proses validasi data sensor menunjukkan hasil yang sangat baik, dengan menggunakan metode Mean Absolute Percentage Error (MAPE). Semua parameter menunjukkan hasil yang konsisten mencapai akurasi rata-rata di atas 90% dan nilai MAPE di bawah 10%. Kinerja ini diklasifikasikan sebagai “Sangat Baik”. Parameter fosfor (P) adalah yang paling akurat dengan hasil 97,44%, sedangkan Nitrogen (N) paling rendah, meskipun dengan akurasi 93%. Analisis keandalan sistem selama 96 jam waktu operasional, juga menunjukkan performa yang kuat. Uptime pada sistem sangat tinggi, yaitu 92,71% untuk Master 1 dan 93,75% untuk Master 2 dengan Failure Rate sekitar 8%. Latensi transmisi data (waktu tunda) juga efisien, dengan rata-rata 13,1 detik untuk Master 1 dan 7,7 detik untuk Master 2. Namun, hasil pengujian efisiensi energi menunjukkan bahwa baterai berkapasitas 3.000 mAh hanya mampu bertahan sekitar 25 jam 36 menit, meskipun mode sistem Deep Sleep telah diterapkan pada node sensor. Hal ini disebabkan oleh kurangnya sistem manajemen baterai yang memadai.

Coffee plantations are an important agricultural sector for the global economy, but face challenges in improving production efficiency. Coffee plant productivity is highly dependent on soil conditions, particularly two key parameters: NPK (nitrogen, phosphorus, potassium) content and soil acidity (pH). These parameters play a crucial role in determining the health and growth of coffee plants. However, manual monitoring of these parameters in large plantations is often impractical, expensive, and inefficient. This study aims to design an IoT-based monitoring system using ESP-NOW for communication by utilizing web-based or smartphone applications, thereby enabling efficient monitoring of soil nutrient content. This research was conducted at the Instrumentation and Energy Laboratory, Faculty of Agriculture, Syiah Kuala University. In the implementation process, the monitoring system was designed using three ESP32 units, two of which acted as transmitters (Master) and one as a receiver (Slave). Each master was connected to a 5-in-1 NPK sensor (which measures N, P, K, pH, and EC). The software was designed with a master-slave architecture. The Master reads the sensor data and sends it, while the Slave acts as a gateway that receives data via ESP-NOW and uploads it to Arduino IoT Cloud and Spreadsheets. The sensor measurement results can be viewed on the Dashboard designed through the Arduino IoT Cloud website, and the data history can be viewed on Spreadsheets via a smartphone. The sensor data validation process showed excellent results, using the Mean Absolute Percentage Error (MAPE) method. All parameters showed consistent results, achieving an average accuracy of over 90% and a MAPE value below 10%. This performance is classified as “Very Good.” The phosphorus (P) parameter is the most accurate with a result of 97.44%, while nitrogen (N) is the lowest, albeit with an accuracy of 93%. Analysis of system reliability during 96 hours of operational time also shows strong performance. The system uptime was very high, at 92.71% for Master 1 and 93.75% for Master 2, with a failure rate of around 8%. Data transmission latency (delay time) was also efficient, with an average of 13.1 seconds for Master 1 and 7.7 seconds for Master 2. However, energy efficiency test results show that the 3,000 mAh battery can only last about 25 hours and 36 minutes, even though Deep Sleep mode has been applied to the sensor node. This is due to the lack of an adequate battery management system.