836
David Yonatan
SISTEM MONITORING KONDISI DAN DETEKSI KEMATANGAN BUAH
PEPINO (SOLANUM MURICATUM) BERBASIS INTERNET OF THINGS
David Yonatan
Universitas Sulawesi Barat, Indonesia
Davidyonatan112@gmail.com
Abstrak
Penelitian ini membahas tentang sistem yang terdiri dari dua proses inti, yaitu pemantauan kelembaban
tanah dan pengecekan kematangan buah Pepino. Pengujian kalibrasi alat, termasuk sensor kelembaban
tanah YL-69 dan sensor warna TCS3200, dilakukan untuk memastikan keakuratan pengambilan data.
Hasil pengujian sensor kelembaban menunjukkan bahwa sistem memiliki error rata-rata sekitar 1,37%.
Pengujian sensor warna membantu menentukan batas atas dan bawah nilai RGB yang digunakan dalam
pengecekan kematangan buah. Sistem ini diintegrasikan dengan berbagai komponen elektronik, termasuk
Arduino Uno sebagai mikrokontroller, NodeMCU ESP8266 untuk koneksi ke internet, dan pompa air
untuk penyaluran air ke tanaman. Data dari sensor kelembaban tanah dan sensor warna dikumpulkan dan
ditampilkan melalui sebuah laman web yang dapat diakses oleh petani melalui laptop atau smartphone.
Hasil dari penelitian ini menyediakan solusi bagi petani Pepino di Desa Sepakuan untuk memantau dan
mengelola kondisi tanaman mereka secara efisien. Sistem ini juga memiliki potensi untuk meningkatkan
hasil panen dan kualitas buah Pepino dengan pengecekan kematangan yang lebih tepat.
.
Kata kunci: Internet of Things, Soil Moisture Sensor, Color Sensor, Plant Monitoring, Fruit Ripeness
Abstract
This research discusses a system composed of two main processes: soil moisture monitoring and ripeness
checking of Pepino fruits. Calibration tests of the equipment, including the YL-69 soil moisture sensor
and the TCS3200 color sensor, were conducted to ensure data accuracy. The results of the soil moisture
sensor tests indicate an average error of approximately 1.37%. Color sensor testing helped establish the
upper and lower limits of RGB values used in fruit ripeness checking. This system is integrated with
various electronic components, including an Arduino Uno as the microcontroller, NodeMCU ESP8266
for internet connectivity, and a water pump for plant irrigation. Data from the soil moisture sensor and
color sensor are collected and displayed through a web page accessible to farmers via a laptop or
smartphone. The results of this research provide a solution for Pepino farmers in Sepakuan Village to
efficiently monitor and manage their plant conditions. This system also has the potential to improve crop
yields and the quality of Pepino fruits through more accurate ripeness checking.
Keywords: Internet of Things, Sensor Kelembaban Tanah, Sensor Warna, Monitoring tanaman,
Kemabatangan Buah
PENDAHULUAN
Buah-buahan merupakan salah satu produk Pertanian yang banyak dimininati masyarakat. Buah
yang layak dikonsumsi, tidak memiliki kandungan racun, melainkan kaya akan serat dan juga vitamin
yang bermanfaat bagi tubuh (Suryana, 2018). Beberapa jenis buah, dikonsumsi dengan tujuan
pengobatan. Salah satu Buah yang menjadi produk Pertanian ialah Buah Pepino atau yang biasa di sebut
“Husada Dewa” dalam bahasa Indonesia. Pepino merupakan tanaman yang termasuk famili solaneceae
(terong-terongan), sebagian besar tumbuh dan beradaptasi baik pada iklim tropis dan tumbuh dengan
dengan baik di dataran tinggi juga tumbuh di dataran rendah dengan perawatan yang baik (Jatmika &
Purnamasari, 2014; Sastrahidayat, 2011). Penelitian yang dilakukan oleh Contreras dkk (2016 dikutip
dalam Daunay et al., 1995) Pepino berasal dari kawasan pegunungan Andes, Amerika Selatan dan
dibudidayakan di Peru, Chili, dan Kolombia.
Buah Pepino dapat menjadi pengobatan bagi penderita selain penyakit diabetes melitus dan
Jurnal Sosial dan Teknologi (SOSTECH)
Volume 3, Number 10, Oktober 2023
p-ISSN 2774-5147 ; e-ISSN 2774-5155
837
David Yonatan
Sistem Monitoring Kondisi Dan Deteksi Kematangan Buah Pepino
(Solanum Muricatum) Berbasis Internet Of Things
e-ISSN 2774-5155
p-ISSN
2774-5147
jantung seperti liver (HEALTH SECRET OF PEPINO, 2013), tekanan darah rendah hingga batu ginjal.
Kandungan Beta-karoten dalam buah Pepino dapat menjaga kesehatan jantung, melindungi tubuh dari
polusi udara dan radikal bebas, melindungi tubuh dari ancaman alergi cahaya, dan membantu
meningkatkan imunitas tubuh (HEALTH SECRET OF PEPINO, 2013).
Pemeliharaan tanaman Pepino di beberapa daerah di Indonesia, salah satunya di Mamasa, masih
menggunakan metode konvensional (Halid, 2021). Dalam pengecekan kondisi tanaman, petani harus
bolak-balik memperhatikan suplai air bagi tanaman pada media tanam dengan peralatan penyiraman
yang sederhana, dan pada kondisi kekurangan suplai air, tanaman akan mengalami kekeringan dan mati.
Syarat tumbuh yang diterapkan pada Pepino bersumber dari referensi syarat tumbuh tanaman Tomat
yang merupakan satu famili (solanaceae) dan satu genus (solanum) dengan Pepino yang mana Tomat
membutuhkan kelembaban tanah sekitar 60% - 80% dan sinar matahari yang cukup (Gunawan et al.,
2019). Sistem yang akan dibangun bertujuan untuk mendapatkan hasil kondisi kematangan buah yang
akurat dari warna kulit buah oleh sensor deteksi warna pada rentang pembacaan nilai yang telah
disesuaikan(mapping).
Penerapan sistem monitoring dan deteksi kematangan buah dengan Internet of Things ini
menggunakan Mikrokontroller Arduino Uno. Arduino Uno adalah set development kit mikrokontroller
yang menggunakan Atmega28 sebagai Mikrokontroller-nya. Selain library yang lengkap, Arduino Uno
ini didukung perangkat lunak Arduino IDE (Integrated Development Kit) untuk menulis (coding) dan
menyusun (compile) program, serta beberapa sensor yang akan di butuhkan seperti sensor kelembaban
tanah YL-69 dan Sensor warna TCS3200 untuk mengambil data warna RGB kulit buah sebagai
referensi untuk penentuan kematangan buah.
METODE PENELITIAN
Jenis penelitian yang digunakan dalam penelitian ini adalah Action Research (AR). Menurut
(Wahyuni et al., 2021). Action Research merupakan metode penelitian yang mengedepankan hasil
kualitas yang berfokus pada sisi efisien dan efektif dengan penerapan langkah pengembangan,
pengujian, penemuan, dan pengambilan tidakan dengan konsep yang baru, pada metode penelitian ini,
peneliti adalah aktor penting yang mempunyai peran besar dalam melakukan intervensi dalam subyek
penelitian (Cohen et al., 2017).
Metode Pengembangan Sistem yang di gunakan dalam penelitian ini ialah Prototyping. Menurut
Raymond McLeod yang di kutip oleh Rahmadhany & bin Lukman, (2021) tahapan dalam penerapan
prototyping yaitu:
1) Identifikasi kebutuhan. Tahapan ini merupakan langkah awal dalam prototyping yang dimulai dari
pembentukan ide berdasarkan kebutuhan sistem.
2) Pengembangan prototype. Proses pembuatan sistem mentah (belum sempurna) yang masih besar
kemungkinan untuk adanya penambahan fitur, kembali lagi sesuai dengan kebutuhan sistem. Pada
tahap ini, seluruh perangkat keras mulai dirangkai satu-persatu dan di tanamkan program
menggunakan software agar dapat beroperasi.
3) Penentuan penerimaan prototype. Pada tahap ini adalah tahap dimana sistem sudah melalui proses
pengembangan, dan sudah bisa digunakan. Tahap penggunaan prototyping ini bertujuan untuk
menguji coba kelayakan dan pemenuhan kebutuhan dari sistem yang telah dibuat. Jika prototype
yang dibangun, sudah memenuhi kebutuhan sistem, maka dapat lanjut pada tahapan selanjutnya.
Namun, jika tidak memenuhi akan mengulang mulai dari langkah/tahapan pertama hingga ketiga,
dengan mempertimbangkan ulang pemenuhan kebutuhan sistem. Tahap ini adalah tahap evaluasi
untuk memastikan alat yang telah dirangkai sudah sesuai dengan apa yang dirancangkan
sebelumnya, baik dari segi fungsionalitas dan keefektifan kinerja semua akan di uji.
4) Penggunaan prototype. Keberhasilan pada tahap sebelumnya (tahap 3), akan dilanjutkan dengan
implementasi prototype menjadi sistem.
Metode pengumpulan data pada penelitian ini ialah:
1) Observasi
Metode pengumpulan data ini mempunyai tujuan utama yaitu Pengamatan. Pengamatan
dilakukan untuk memperoleh data mengenai kondisi tempat/lokasi penelitian. Setelah melakukan
pengamatan maka, data atau yang diperoleh dicatat atau direkam sehingga dapat menjadi informasi
838
David Yonatan
Sistem Monitoring Kondisi Dan Deteksi Kematangan Buah Pepino
(Solanum Muricatum) Berbasis Internet Of Things
e-ISSN 2774-5155
p-ISSN
2774-5147
sebagai penunjang dalam melakukan penelitian.
2) Wawancara
Metode pengumpulan data ini yang paling sering digunakan dikarenakan validitas datanya
yang bersumber dari pertukaran informasi dua sisi. Informasi didapatkan dengan mengungkapkan
pertanyaan, kemudian jawaban dari narasumber (sumber informasi/informan) ini di rekam dan di
catat. Dari hasil wawancara dengan salah satu pelaku budidaya tanaman Pepino di Desa Sepakuan
didapatlah kesimpulan sebagai berikut:
a) Penting untuk menjaga kelembaban tanah tanaman Pepino karena jika kondisi tanah kering maka
akan berdampak pada produktifitas buahnya yang kecil dan kurang maksimal. Ini karena buah
Pepino yang memiliki kandungan air yang banyak maka suplai air bagi tanaman pun harus
terjaga.
b) Waktu panen harus tepat ketika buah matang, hal ini bertujuan agar buah yang di panen nantinya
tidak mentah (terlalu cepat dipanen) dan kelebihan matang (terlalu lama dipanen).
c) Studi Literatur, Metode pengumpulan data ini adalah teknik pengumpulan data yang banyak di
gunakan pada penelitian-penelitian. Teknik pengumpulan data ini adalah yang paling efisien.
Peneliti tidak perlu melakukan observasi maupun membagikan kuisioner, hingga melaksanakan
wawancara. Hal ini dikarenakan teknik pengumpulan data ini memungkinkan peneliti
memperoleh data awal hingga data hasil dari penelitian sebelumnya untuk dijadikan referensi
dalam pengembangan penelitian yang sementara di teliti.
Teknik analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data
yang diperlukan guna memecahkan permasalahan yang di teliti sudah diperoleh secara lengkap Analisis
data yang digunakan pada penelitian ini adalah Kualitatif (Surayya, 2015). Analisis data kualitatif ini
tidak melibatkan data angka, dikarenakan sifat subjektifnya yang mana penelusuran data yang
bersumber dari pernyataan, ide, maupun pengalaman. Analisis data yang dilaksanakan sebagai validitas
awal sebagai penentuan kebutuhan sistem yang akan di bangun. Data yang telah dikumpulkan akan
menjadi pertimbangan untuk menentukan pembuatan fitur dan fungsi pada pengembangan system.
Sistem monitoring kelembaban tanah, yang dimulai dari melakukan inisialisasi sensor Soil
Moisture untuk membaca kelembaban tanah. Kemudian data-data ini akan ditampilkan melalui
dashboard web. Kemudian jika kelembaban tanah menurun (dibawah 80%), maka di lakukan
penyaluran listrik oleh relay kepada pompa mini untuk mengalirkan air dari tandon air ke tanaman. Jika,
kelembaban berada diatas 80% maka relay dan pompa mini akan dimatikan dan proses selesai.
Pendeteksian kematangan diawali dengan inisialisasi sensor warna TCS3200. Kemudian akan
membaca data warna RGB dan jarak buah dari sensor. Kemudian akan dilakukan proses pengecekan
kematangan buah berdasarkan warna kulit buah pada jarak tertentu. Jika buah matang maka akan
diproses “matang” dan jika tidak maka akan diproses “belum matang”. Data hasil pendeteksian
kematangan akan ditampilkan pada Web, dan proses selesai.
Gambar 1 Alur Sistem
Rancangan elektronika mencakup keseluruhan rangkaian perangkat keras yaitu sensor dan
aktuator, seperti gambar dibawah ini :
839
David Yonatan
Sistem Monitoring Kondisi Dan Deteksi Kematangan Buah Pepino
(Solanum Muricatum) Berbasis Internet Of Things
e-ISSN 2774-5155
p-ISSN
2774-5147
Gambar 2 Rancangan Elektronika
HASIL DAN PEMBAHASAN
Pengujian Kalibrasi Alat
Pengujian pada sensor ditujukan untuk mengukur suatu besaran fisis sehingga
pengambilan data (nilai) dari sensor mendapat hasil yang akurat dan tentunya sesuai dengan
standar pengukuran (Khotimah et al., 2022). Pengujian kalibrasi alat dilakukan dengan
melakukan pengujian pada beberapa sensor yang digunakan pada sistem monitoring kondisi
dan pengecekan kematangan buah Pepino (Santoso & Affandi, 2016). Hasil dari pengujian ini
akan menjadi penentu apakah alat berjalan dengan baik dan layak digunakan.
1. Pengujian Sensor YL-69
Terdapat dua pengujian yang di lakukan, hal ini bertujuan untuk mendapatkan hasil
keakuratan pengambilan data alat YL-69 dengan dibandingkan dengan pengujian manual.
Persiapan pengujian dilakukan dengan menyiapkan tanah yang telah dikeringkan dibawah
sinar matahari dengan berat tiap sampelnya adalah 100g, kemudian diberi air dengan volume
bervariasi, dimulai dari 10 ml hingga 50 ml. Langkah pertama dilakukan dengan menimbang
massa awal dari tanah, kemudian memberi air dengan volume yang bervariasi, dan
menimbang kembali sampel tanah tersebut, dan terakhir mencatat data yang telah di ambil.
KT = MTB-MTK
MTK = 100g
Ket :
KT : Kelembaban Tanah
MTK : Massa Tanah Kering
MTB : Massa Tanah Basah
Pada variasi error dari data pengujian manual dan pengujian sensor dimana jika E <
10% maka model alat Valid (Suharyo, 2018).
E = (
𝑥
𝑦
) x 100
Keterangan :
E =
hasil eror
x
= selisih hasil pengukuran
840
David Yonatan
Sistem Monitoring Kondisi Dan Deteksi Kematangan Buah Pepino
(Solanum Muricatum) Berbasis Internet Of Things
e-ISSN 2774-5155
p-ISSN
2774-5147
y = data pengujian manual
Tabel 1 Perbandingan Pengujian Manual dan Pengujian Sensor(YL-69)
Perbandingan pengujian manual dan pengujian sensor menunjukan selisih yang relatif
kecil, sehingga dapat di katakan bahwa hasil yang didapat akan di jadikan penentu layak
tidaknya sensor untuk digunakan.
Gambar 3 Grafik Perbedaan Pengujian Manual dan Pengujian Sensor(YL-69)
2. Pengujian Sensor TCS3200
Pengujian dilakukan dengan cara mendekatkan sensor terhadap 2 warna yaitu putih
dan hitam, dan dicatatat rentang pembacaan data minimal dan maksimal, kemudian
dilakukan mapping pada sketch. Pembacaan data oleh sensor dilakukan dengan
mendekatkan sensor pada objek berwarna hitam dan putih. Kedua warna ini dapat dijadikan
sebagai rujukan untuk mapping program sensor, dengan nilai batas atasnya di ambil dari
nilai tertinggi dari pengukuran pada objek berwarna hitam, dan nilai batas bawahnya diambil
dari nilai terendah pengukuran pada objek berwarna putih (Kaunaini et al., 2023). Data yang
diambil kemudian disajikan dalam tabel berikut :
0
20
40
60
80
Sampel 1 Sampel 2 Sampel 3 Sampel 4 Sampel 5 Sampel 6
Hasil Perhitungan Kelembaban Tanah
Pengujian manual Sensor YL-69
Sampel
Kelembaban Tanah (%)
Selisih
Error (%)
Pengujian manual
Sensor YL-69
1
10
9.48
0.52
5.2
2
20
19.84
0.16
0.8
3
30
30.40
0.40
1.33
4
40
40.18
0.18
0.45
5
50
50.05
0.05
0.1
6
60
60.22
0.22
0.36
Rata-rata Error (%)
1.37
841
David Yonatan
Sistem Monitoring Kondisi Dan Deteksi Kematangan Buah Pepino
(Solanum Muricatum) Berbasis Internet Of Things
e-ISSN 2774-5155
p-ISSN
2774-5147
Tabel 2 data dari objek warna putih dan Hitam
Pada dasarnya, Warna Hitam nilai rgb terendah (0,0,0) dan Putih adalah nilai tertinggi
(255,255,255). Batas bawah dan batas atas yang didapatkan pada Nilai Red (226-233),
Green (191-197), dan Blue (194-202). Setelah dilakukan mapping pada program TCS3200
di Arduino, maka dilanjutkan dengan menguji sensor pada kertas berwarna Merah, Hijau
dan Biru. Maka hasil yang didapat adalah sebagai berikut :
Tabel 3 Menguji Sensor Pada Kertas Berwarna Merah, Hijau Dan Biru
No
Kertas Merah
Kertas Hijau
Kertas Biru
Red
Green
Blue
Red
Green
Blue
Red
Green
Blue
1
212
133
115
192
208
180
171
188
215
2
211
133
115
184
209
182
163
188
215
3
211
131
115
184
209
182
163
188
217
4
211
133
120
185
209
189
146
181
217
5
211
134
120
185
212
182
145
180
217
6
211
134
115
184
212
181
151
178
210
7
211
134
115
184
209
181
151
182
208
8
211
134
115
184
208
181
151
182
207
9
211
131
116
184
208
180
151
184
211
10
211
134
116
184
208
180
151
184
210
Pada nilai pembacaan sensor TCS3200 yang sudah di mapping menunjukkan adanya
hasil yang menunjukkan dominan nilai sesuai dengan warna objek yang di uji. Pada kertas
berwarna merah nilai terbesarnya adalah Red, pada kertas berwarna hijau nilai terbesarnya
adalah green, dan pada kertas berwarna biru nilai terbesarnya adakah Blue. Dengan begitu,
sensor sudah dapat mendeteksi pemilahan warna diantara Red, Green dan Blue. Skema
pengukuran Buah Pepino terdiri atas dua objek. Masing-masing objek memiliki perbedaan
warna yang mana buah yang matang memiliki warna ungu yang lebih pekat dari pada buah
yang belum matang, tentunya masing-masing buah memiliki nilai pembacaan berbeda, yang
dapat dilihat pada gambar berikut ini :
Data dari objek berwarna Putih
Data dari objek berwarna Hitam
Red
Green
Blue
Red
Green
Blue
685
596
395
71
69
47
685
597
395
74
69
47
685
597
395
74
69
47
685
597
396
75
71
48
686
598
401
77
73
54
686
603
401
88
82
56
686
603
401
88
82
56
691
604
401
89
83
57
691
604
402
89
83
57
692
604
402
89
83
57
842
David Yonatan
Sistem Monitoring Kondisi Dan Deteksi Kematangan Buah Pepino
(Solanum Muricatum) Berbasis Internet Of Things
e-ISSN 2774-5155
p-ISSN
2774-5147
Gambar 4 Buah Pepino Belum Matang Gambar 5 Buah Pepino yang Matang
Tabel 4 Nilai RGB buah Pepino Belum Matang dan Matang
Nilai RGB buah Pepino Belum Matang
Nilai RGB buah Pepino Matang
Red
Green
Blue
Red
Green
Blue
209
180
179
226
191
194
218
190
181
229
192
195
219
190
182
230
192
196
219
191
183
230
193
197
220
192
184
230
193
197
222
192
184
231
193
197
222
194
185
231
194
197
224
194
186
231
195
198
225
194
187
233
196
201
225
195
187
233
197
202
Untuk buah yang belum matang di dapatlah nilai Red (209-225), Green (180-195), dan
Blue (182-187). Untuk buah yang sudah matang di dapatlah nilai Red (226-233), Green (191-
197), dan Blue (194-202).
KESIMPULAN
Perancangan sensor dan aktuator pembagun menunjukan hasil yang baik dalam tahap
perancangan dan perangkaian (penggabungan rangkaian). Dari hasil uji coba dilakukan pada uji
kalibrasi dan mapping program bertujuan untuk memastikan akurasi sensor dan kemudahan untuk
pengambilan data yang konsisten dari objek yang diteliti. Sensor YL-69 menunjukkan eror yang kecil
yaitu sebesar 1.37% sehingga layak digunakan. Pada nilai kelembaban < 60% pompa mini akan
menyala, pada 60%-80% adalah kelembaban optimal dari tanaman, pada kelembaban > 80% pompa
mini akan padam. Pembacaan data kelembaban oleh Sensor YL-69 dan pembacaan data RGB oleh
sensor TCS3200 dari sensor akan melewati mikrokontroller dan akan di proses, berlanjut ke Relay
sebagai pintu aliran listrik yang mengalir ke Pompa Mini untuk memberikan suplay air ke tanaman,
hingga data nilai yang terkirim ke database dan ditampilkan pada website telah berhasil. Sensor
TCS3200 telah diberi penyesuaian program(mapping) pada nilai batas atas dan batas bawah untuk
pembacaan nilai RGB, pada rentang nilai tertentu yang menjadi penentu “matang” dan “tidak matang”
dari buah Pepino. Buah yang belum matang di dapatlah nilai Red (209-225), Green (180-195), dan
Blue(182-187) juga dengan buah Pepino yang matang di dapatlah nilai Red (226-233), Green (191-197),
dan Blue(194-202).
DAFTAR PUSTAKA
Cohen, L., Manion, L., & Morrison, K. (2017). Action research. In Research methods in education (pp.
440–456). Routledge.
Contreras, C., Gonzalez-Aguero, M., & Defilippi, B. G. (2016). A Review of Pepino ( Solanum
muricatum Aiton) Fruit: A Quality Perspective. 51(July), 1127–1133.
https://doi.org/10.21273/HORTSCI10883-16
Gunawan, R., Andhika, T., Sandi, & Hibatulloh, F. (2019). Sistem Monitoring Kelembapan Tanah ,
Suhu , pH dan Penyiraman Otomatis Pada Tanaman Tomat Berbasis Internet of Things
843
David Yonatan
Sistem Monitoring Kondisi Dan Deteksi Kematangan Buah Pepino
(Solanum Muricatum) Berbasis Internet Of Things
e-ISSN 2774-5155
p-ISSN
2774-5147
Monitoring System for Soil Moisture , Temperature , pH and Automatic Watering of Tomato
Plants Based on Internet of Things. 7(1). https://doi.org/10.34010/telekontran.v7i1.1640
Halid, E. (2021). Pertumbuhan Dan Produksi Tanaman Tomat (Lycopersium esculentum Mill) Pada
Pemberian Berbagai Dosis Bubuk Cangkang Telur. Agroplantae: Jurnal Ilmiah Terapan
Budidaya Dan Pengelolaan Tanaman Pertanian Dan Perkebunan, 10(1), 59–66.
Health Secret Of Pepino. (2013). Elex Media Komputindo.
Jatmika, S., & Purnamasari, D. (2014). Rancang Bangun Alat Pendeteksi Kematangan Buah Apel
Dengan Menggunakan Metode Image Processing Berdasarkan Komposisi Warna. Jurnal Ilmiah
Teknologi Informasi Asia, 8(1), 51–58.
Kaunaini, N., Rosdiana, E., & Kusumaningtyas, V. A. (2023). Rancang Bangun Pendeteksi Kandungan
Klorin Dalam Beras Dengan Reaksi Pembentuk Warna Kalium Iodida Menggunakan Sensor
Warna. 10(1), 149–154.
Khotimah, O., Darmawan, D., & Rosdiana, E. (2022). Perangkat Dan Metoda Kalibrasi Sensor
Universal. 9(3), 866–874.
Rahmadhany, G., & bin Lukman, K. U. S. (2021). Aplikasi uji kepribadian berdasarkan multiple
intelligences Berbasis web menggunakan metode prototyping. Jurnal Komputer Terapan, 7(2),
197–209.
Santoso, J. B., & Affandi, A. (2016). Model Arsitektur Enterprise Institusi Pengujian dan Kalibrasi Alat
Kesehatan. Teknologi: Jurnal Ilmiah Sistem Informasi, 6(1), 1–7.
Sastrahidayat, I. R. (2011). Tanaman kentang dan pengendalian hama penyakitnya. Universitas
Brawijaya Press.
Suharyo, O. S. (2018). Rancang Bangun Alat Pengukur Gelombang Permukaan Laut Presisi Tinggi ( A
Prototype Design ). 1(1), 18–29.
Surayya, R. (2015). Pendekatan Kualitatif Dalam Penelitian. Jurnal Kedokteran Dan Kesehatan
Malikussaleh, 1(2), 75–83.
Suryana, D. (2018). Manfaat Buah: Manfaat Buah-buahan. Dayat Suryana Independent.
Wahyuni, S., Hamrul, H., & Mansyur, M. F. (2021). Sistem Pengontrolan Ketersediaan Lahan Parkir
Berbasis Internet Of Things ( IOT ).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International
License
