Pengembangan Sistem IoT untuk Pencatatan dan Pemantauan Peminjaman Barang Berbasis QR Code

Abstract

Proses pencatatan dan pemantauan peminjaman barang yang masih dilakukan secara manual berpotensi menimbulkan kesalahan pencatatan, keterlambatan pelaporan, dan kesulitan dalam memantau kondisi inventaris. Penelitian ini bertujuan mengembangkan sistem peminjaman barang berbasis Internet of Things (IoT) menggunakan QR Code serta menerapkan metode Moving Average dan Fuzzy Logic untuk mendukung analisis kondisi barang. Sistem dikembangkan menggunakan mikrokontroler ESP32 WROOM-32, pemindai QR Code GM65, LCD 16×2, aplikasi web berbasis CodeIgniter 3, dan basis data MySQL. Data transaksi peminjaman dan pengembalian diolah menggunakan metode Moving Average untuk memperoleh nilai prediksi berdasarkan data historis, kemudian diproses dengan Fuzzy Logic untuk menghasilkan rekomendasi kondisi barang berupa layak digunakan, perlu perawatan, atau perlu diganti. Hasil pengujian menunjukkan bahwa scanner GM65 mampu membaca QR Code secara optimal pada jarak 6–25 cm dengan waktu pembacaan kurang dari satu detik pada tingkat kecerahan layar di atas 50%. Seluruh data berhasil dikirim melalui API, disimpan pada basis data, dan ditampilkan secara real-time pada aplikasi web. Sistem yang dikembangkan mampu meningkatkan efisiensi dan keakuratan pencatatan, mempermudah pemantauan inventaris, serta menyediakan rekomendasi kondisi barang secara otomatis untuk mendukung pengambilan keputusan.

Manual recording and monitoring of equipment borrowing are prone to recording errors, reporting delays, and difficulties in tracking inventory conditions. This study aimed to develop an Internet of Things (IoT)-based equipment borrowing system using QR Code and to implement the Moving Average and Mamdani Fuzzy Logic methods to support inventory condition analysis. The system was developed using an ESP32 WROOM-32 microcontroller, a GM65 QR Code scanner, a 16×2 LCD, a CodeIgniter 3 web application, and a MySQL database. Borrowing and return transaction data were processed using the Moving Average method to generate predictions based on historical data, followed by Mamdani Fuzzy Logic to produce equipment condition recommendations, namely suitable for use, requires maintenance, or should be replaced. The test results showed that the GM65 scanner successfully read QR Code at distances of 6–25 cm with an average scanning time of less than one second when the screen brightness exceeded 50%. All scanned data were successfully transmitted through the API, stored in the database, and displayed in real time on the web application. The developed system improved recording efficiency and accuracy, simplified inventory monitoring, and automatically generated equipment condition recommendations to support decision-making.