Implementasi ANN Berbasis Edge Computing pada ESP32 untuk Memprediksi Kelembaban dan Suhu
DOI:
https://doi.org/10.46962/snte.25.089Abstract
Penelitian ini mengembangkan sistem prediksi suhu dan kelembaban udara menggunakan algoritma Artificial Neural Network (ANN) yang diimplementasikan langsung pada perangkat edge ESP32. Sistem dirancang sebagai solusi ketika sensor DHT22 gagal membaca data secara real-time. Model ANN dilatih menggunakan TensorFlow dan dikonversi ke format TensorFlow Lite agar dapat dijalankan secara efisien pada perangkat dengan keterbatasan sumber daya. Pengujian dilakukan selama dua hari dengan interval prediksi antara 5 hingga 120 menit. Hasil menunjukkan bahwa model memiliki akurasi tinggi pada prediksi jangka pendek (5–10 menit), dengan nilai MAE sebesar 0,22–0,41 °C untuk suhu dan 0,16–0,24 % RH untuk kelembaban. Akurasi menurun pada prediksi jangka menengah hingga panjang, dengan kesalahan maksimum mencapai 3,26 °C dan 14,00 % RH. Sistem ini terbukti mampu memberikan estimasi yang andal saat sensor utama gagal, dan memiliki potensi pengembangan lebih lanjut dengan menambahkan variabel lingkungan lainnya sebagai input model. Model ANN bisa diterapkan dalam sistem prediksi berbasis edge computing pada Mikrokontroller ESP32 dan mampu beradaptasi melalui pembaharuan data secara berkala.
References
Al-Shawwa, M., Al-Absi, A. A.-R., Hassanein, S. A., Baraka, K. A., & Abu-Naser, S. S. (2018). Predicting Temperature and Humidity in the Surrounding Environment Using Artificial Neural Network. International Journal of Academic Pedagogical Research, 2(9), 1–6. http://www.ijeais.org/wp-content/uploads/2018/09/IJAPR180901.pdf
Alwi, A., Hasanuddin, T., & Azis, H. (2021). Perancangan Alat Pengawasan Dan Pengendalian Suhu Dan Kelembaban Kandang Ayam Broiler Berbasis Mikorkontroler. Buletin Sistem Informasi Dan Teknologi Islam, 2(2), 64–71. https://doi.org/10.33096/busiti.v2i2.765
Bakti, A. I., Marco Alfiano Laoh, Handy Indra Regain Mosey, Jumriadi, Megastin M. Lumembang, & Suoth, V. A. (2024). Sistem Monitoring Suhu, Kelembaban dan Kadar CO2 di Udara Berbasis Internet of Things. Jurnal MIPA, 13(2), 94–98. https://doi.org/10.35799/jm.v13i2.56234
Gamazo-Real, J. C., Torres Fernández, R., & Murillo Armas, A. (2023). Comparison of edge computing methods in Internet of Things architectures for efficient estimation of indoor environmental parameters with Machine Learning. Engineering Applications of Artificial Intelligence, 126(July). https://doi.org/10.1016/j.engappai.2023.107149
Hanes, N. M., Wahab, W., & Setyaningsih, E. (2024). Analisis Perbandingan Sensor Suhu dan Kelembaban DHT-11 dan AHT-10 dengan Perangkat LutronAM4205A. Jurnal INTRO (Informatika Dan Teknik Elektro), 3(1), 41–48. https://doi.org/10.51747/intro.v3i1.1986
Kahfi, M., Falgenti, K., Rizqi, L. D., Megawulan, D., Iqbal, M., & Furqon, F. (2023). Analisis pengaruh suhu udara rata-rata terhadap kelembaban di wilayah DKI Jakarta menggunakan Regresi Linear. Proceedings of the National Conference on Electrical Engineering, Informatics, Industrial Technology, and Creative Media, 3(1), 001–010. https://conferences.ittelkom-pwt.ac.id/index.php/centive/article/view/161
Kim, M., Kim, T., Park, S., & Lee, K. (2023). An Indoor Multi-Environment Sensor System Based on Intelligent Edge Computing. Electronics (Switzerland), 12(1). https://doi.org/10.3390/electronics12010137
Koestoer, R. A., Pancasaputra, N., Roihan, I., & Harinaldi. (2019). A simple calibration methods of relative humidity sensor DHT22 for tropical climates based on Arduino data acquisition system. AIP Conference Proceedings, 2062(1), 1–7. https://doi.org/10.1063/1.5086556
Manzuarman, Agustiawan, & Faizi, M. N. (2020). Pemetaan Kontur Distribusi Suhu Dan Kelembapan Udara Gedung Teknik Elektro Politeknik Negeri Bengkalis Berbasis Sensor DHT-22. Seminar Nasional Terapan Riset Inovatif, 6(1), 355–362. https://proceeding.isas.or.id/index.php/sentrinov/article/view/384
Merma Yucra, J. P. P., Cerezo Quina, D. J., Echaiz Espinoza, G. A., Valderrama Solis, M. A., Yanyachi Aco Cardenas, D. D., & Ortiz Salazar, A. (2025). Design and Implementation of an LSTM Model with Embeddings on MCUs for Prediction of Meteorological Variables. Sensors, 25(12), 1–16. https://doi.org/10.3390/s25123601
Mulyanto, Amri, K., & Legowo, D. K. (2022). Incubator Analyzer Berbiaya Murah Berbasis Processing Parameter Temperatur dan Kelembaban. Journal Hospital Technology and Mechatronics, 3(1), 1–15. http://journal.thamrin.ac.id/index.php/hostechtronics/article/download/1547/1272
Puspasari, F., Satya, T. P., Oktiawati, U. Y., Fahrurrozi, I., & Prisyanti, H. (2020). Analisis Akurasi Sistem sensor DHT22 berbasis Arduino terhadap Thermohygrometer Standar. Jurnal Fisika Dan Aplikasinya, 16(1), 40–45. https://doi.org/10.12962/j24604682.v16i1.5776
Santoso, G., Kristiyana, S., Hani, S., & Mujahidin, A. M. (2019). Rancang Bangun Sistem Monitoring Suhu dan Kelembaban pada Ruang Server Berbasis IoT (Internet of Things). Jurnal Teknologi Technoscientia, 11(2), 186–193. https://doi.org/10.34151/technoscientia.v11i2.1248
Satria, B. (2022). IoT Monitoring Suhu dan Kelembaban Udara dengan Node MCU ESP8266. Sudo Jurnal Teknik Informatika, 1(3), 136–144. https://doi.org/10.56211/sudo.v1i3.95
Shi, W., Pallis, G., & Xu, Z. (2019). Edge Computing [Scanning the Issue]. Proceedings of the IEEE, 107(8), 1474–1481. https://doi.org/10.1109/jproc.2019.2928287
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Seminar Nasional Teknik Elektro
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
