Pengembangan Sistem Pemupukan Otomatis Berbasis IoT untuk Optimalisasi Pencampuran Pupuk AB Mix

Abstract

Pencampuran nutrisi hidroponik secara manual memicu fluktuasi Total Dissolved Solids (TDS) dan ketidakseimbangan hara yang menyebabkan stres osmotik pada tanaman. Penelitian ini bertujuan mengembangkan purwarupa sistem pencampur pupuk otomatis berbasis Internet of Things (IoT) bernama MixAB menggunakan mikrokontroler ESP32. Sistem ini memanfaatkan metode prototyping dengan menerapkan algoritma kendali tertutup (closed-loop) berdasarkan umpan balik sensor TDS DFRobot SEN0244 untuk menginjeksikan pekatan secara iteratif ke wadah pencampur statis pada instalasi Deep Flow Technique (DFT). Hasil pengujian empiris sebanyak 90 kali pada target 600, 800, dan 1000 PPM membuktikan bahwa purwarupa MixAB bekerja secara akurat dan andal. Sistem ini menghasilkan tingkat presisi dengan rentang standar deviasi 11,25–25,52 PPM, rata-rata galat relatif 6,41%–7,40%, serta waktu komputasi yang stabil sebesar 18 detik per siklus iterasi. Implikasi dari penelitian ini menunjukkan bahwa otomatisasi micro-dosing berbasis IoT mampu meningkatkan efisiensi operasional dan menjaga konsistensi kualitas nutrisi secara real-time.

Manual mixing of hydroponic nutrients triggers Total Dissolved Solids (TDS) fluctuations and nutrient imbalances that cause osmotic stress in plants. This study aims to develop an Internet of Things (IoT)-based automated fertilizer mixing system prototype named MixAB using an ESP32 microcontroller. The system utilizes a prototyping method by implementing a closed-loop control algorithm based on DFRobot SEN0244 TDS sensor feedback to iteratively inject concentrated nutrients into a static mixing vessel within a Deep Flow Technique (DFT) setup. The results of 90 empirical tests across targets of 600, 800, and 1000 PPM demonstrate that the MixAB prototype operates accurately and reliably. The system achieves high precision with a standard deviation range of 11.25–25.52 PPM, an average relative error of 6.41%–7.40%, and a stable computation time of 18 seconds per iteration cycle. The implications of this study indicate that IoT-based micro-dosing automation successfully enhances operational efficiency and maintains real-time nutrient consistency.