Implementasi Low Power Pada Embedded System Untuk Mendeteksi Kondisi Kebakaran Dalam Ruangan
Vol. 2, No. 12, Desember 2018, hlm. 6644-6652 http://j-ptiik.ub.ac.id
Implementasi Low Power Pada Embedded System Untuk Mendeteksi
Kondisi Kebakaran Dalam Ruangan
1 2 3 Rinaldi Albert Soritua , Mochammad Hannats Hanafi Ichsan , Gembong Edhi SetyawanProgram Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya 1 2 3 Email: rinaldialbs@gmail.com, hanas.hanafi@ub.ac.id, gembong@ub.ac.id
Abstrak
Kebakaran merupakan sebuah peristiwa yang disebabkan oleh api yang tidak terkawal oleh manusia. Kebakaran dapat menimbulkan bermacam-macam kerugian mulai dari harta benda sampai korban jiwa. Berdasarkan permasalahan tersebut dibutuhkan sebuah sistem yang dapat mendeteksi terjadinya kebakaran berdasarkan kadar asap, suhu ruangan, dan keberadaan sumber api. Dalam penerapannya dibutuhkan kinerja low power untuk menghemat konsumsi daya ketika sistem tidak mendeteksi adanya kebakaran. Output dari sistem berupa status kondisi didalam ruangan yaitu tidak kebakaran, berasap, berapi asap sedikit, dan berapi asap banyak.Output ditampilkan pada LCD dan bunyi dari Buzzer. Mikrokontoller Arduino Mega 2560 ditanamkan logika fuzzy sugeno sebagai pemberi keputusan output berdasarkan hitungan fuzzy. Apabila sistem mendeteksi tidak ada kebakaran maka sistem akan beralih kedalam mode sleep, namun jika sistem mendeteksi adanya output berupa berasap, berapi asap sedikit, dan berapi asap banyak sistem akan menampilkan pada LCD dan bunyi dari buzzer. Fitur yang digunakan yakni sleep mode power down dimana sistem mematikan beberapa sub sistem yang ada. Pada pengujian sistem dapat berjalan sesuai dengan prinsip kerjanya Rata-rata waktu eksekusi sistem adalah ±33284,2 ms. Pada konsumsi daya perangkat mampu menekan arus sebesar 40mA dari 245mA dengan penerapan sleep mode power down.
Kata kunci: Kebakaran, Low Power, Fuzzy Sugeno.
Abstract
Fire is an event caused by unrestrained fire by human. Fire could cause various losses fromtreasures to casualties. Based from that problem needed a system that able to detect fire based on smoke
level, room temperature, dan existence fire source. In implementation needed low power to save power
consumption when system not detect a fire. The output of the system is current condition which is no
fire, fire and smoky little, fire smoky and lot that shown on LCD and sound from buzzer. Arduino Mega
2560 implanted fuzzy logic as output decision based on fuzzy calculation. If system not detect a fire then
system will switch to sleep mode, yet if system detect an output which is smoky, fire and smoky little, fire
smoky lot it will shown on LCD and sound from buzzer. The used feature is sleep mode power down to
turn off some sub-system. Testing resulted system is running accordance with the principles of it works.
The average system execution is ±33284,2 ms. On the power consumption of the device is able pressed
for 40mA from 245mA to 205mA with implementation sleep mode power down.Keywords: Fire, Low Power, Fuzzy Sugeno.
1. triangle) (Pacific, 2017). Untuk mengatasi
PENDAHULUAN
masalah tersebut dibutuhkan sistem yang dapat Kebakaran merupakan suatu peristiwa mendeteksi kebakaran didalam ruangan. Namun yang disebabkan oleh api dan pembakaran tidak timbul satu masalah baru, dimana beberapa terkawal yang membahayakan nyawa manusia,
embedded system menggunakan prinsip kerja bangunan dan sekitarnya.
selalu bekerja terus menerus. Ketika alat tidak Didalam kebakaran terdapat 3 elemen mendeteksi adanya kebakaran alat akan terus yatu bahan bakar, suhu/panas, dan oksigen yang bekerja sehingga menyebabkan pemakaian daya kemudian akan membentuk api, 3 elemen yang sia-sia. Sehingga dibutuhkan implementasi tersebut disebut dengan segitiga api (fire
low power yang memungkinkan menjalankan Fakultas Ilmu Komputer Universitas Brawijaya
6644 sistem dengan efisiensi daya yang lebih hemat. Terdapat beberapa penelitian terdahulu yang mendasari penelitian dilakukan.
Pada penelitian pertama yaitu menentukan kondisi didalam ruangan apakah terjadi kebakaran atau tidak dengan menggunakan 3 sensor yaitu sensor DHT11, sensor MQ-2, dan sensor flame. Penelitian tersebut menggunakan logika fuzzy yang berdasarkan parameter suhu, asap, dan api. (Purnomo, 2017)
Gambar 1 Alur Perancangan Sistem
Penelitian kedua yaitu sebuah sistem Berdasarkan pada alur perancangan berupa monitoring detak jantung manusia pada Gambar 1, perancangan perangkat keras melalui wearable device yang diletakkan pada meliputi perancang prototipe sistem, sedangkan daerah pergelangan tangan. Sistem akan pada perancangan perangkat lunak meliputi menampilkan detak jantung dalam bentuk beat perancangan low power dan perancangan fuzzy.
per minute(bpm) pada sebuah layar yang
terdapat pada perangkat dan hasil pembacaan sistem dapat dikirimkan melalui Bluetooth ke
smartphone android. Terdapat beberapa state
dalam sistem ini dimana sistem akan berada pada dalam keadaan sleep, keadaan standby dan
Gambar 2 Perancangan Sistem sebagai agar penggunaan daya dapat berkurang.
Untuk berpindah dari keadaan sleep sistem Dalam perancangan sistem yang terdapat pada menggunaan pembacaan dari sensor gyroscpoe Gambar 2, terdapat 3 buah input yaitu input dari sehingga sistem dapat berpindah state menjadi sensor DHT11, sensor MQ-2 dan sensor Flame.
wake (Ihsannurrahim, 2017).
Pembacaan input akan di proses oleh Arduino dimana terdapat fungsi Low Power dan Fuzzy Penelitian ketiga, Sistem berupa
Sugeno . Kemudian hasil perhitungan dari fuzzy
monitoring kelembapan tanah, dimana sistem akan ditampilkan berupa status ruangan pada akan bekerja ketika kelembapan tanah dan suhu LCD 2x16 dan bunyi dari buzzer. didalam tanah melebihi ambang dengan mengaktifkan keran air. Kemudian sistem akan
mengirimkan pemberitahuan melalui sms dan
2.1 Perancangan dan Implementasi Sistem
Perangkat Keras GPS kepada pengguna (Nallani & Hency, 2015).
Dalam melakukan perancangan prototipe Dari ketiga penelitian yang dilakukan sistem dibutuhkan sebuah skema dalam sebelumnya, penulis menawarkan sebuah ide membuat prototipe untuk memudahkan pada untuk membuat embedded system yang dapat saat implementasi sistem. melakukan monitoring kebakaran didalam ruangan dengan memiliki mekanisme low power dimana sistem akan berada pada sleep mode jika tidak mendeteksi adanya kebakaran didalam ruangan dan sistem akan wake jika sistem mendeteksi adanya kebakaran didalam ruangan dan akan menampilkannya pada LCD dan bunyi pada buzzer.
2. PERANCANGAN DAN
Gambar 3 Skema Perancangan Prototipe Sistem
IMPLEMENTASI
Skema perancangan prototipe sistem dapat Pada tahap perancangan system terbagi dilihat pada Gambar 3, perangkat keras yang menjadi dua bagian, yaitu perancangan sistem digunakan dalam membangun sistem yang dapat perangkat keras dan perancangan sistem menerapkan logika fuzzy sugeno dan fungsi low perangkat lunak. power pada sistem pendeteksi kebakaran dalam ruangan dimana mikrokontroller yang Pada bagian ini merupakan perancangan digunakan adalah Arduino Mega 2560 sebagai perangkat lunak pada sistem secara keseluruhan. otak proses data input. Input yang digunakan Perancangan yang dibuat yaitu dengan dalam sistem pendeteksi kebakaran berupa suhu menerapkan logika fuzzy sebagai pengambil menggunakan sensor DHT11, mendeteksi asap keputusan output berdasarkan 3 input yaitu dari menggunakan sensor MQ-2, dan mendeteksi api sensor DHT11 untuk mengetahui kondisi suhu dengan menggunakan sensor flame. ruangan, sensor MQ-2 untuk mengetahui intensitas asap didalam ruangan, dan sensor flame untuk mengetahui keberadaan api didalam ruangan. Serta program low power sebagai perubahan state apabila sistem tidak mendeteksi adanya keberadaan api didalam ruangan. Data input dari 3 sensor akan disimpan dalam bentuk variabel yang akan di proses menggunakan fuzzy untuk menentukan output melalui himpunan fuzzy dari masing-masing variabel.
Dalam implementasi fuzzy akan dibuat suatu variabel array yang berfungsi untuk menyimpan hasil fuzzyfikasi dari setiap variabel yaitu, suhu, asap, dan api. Selain variabel untuk
Gambar 4 Tampilan Prototipe Tampak Depan
fuzzifikasi, terdapat variabel untuk inferensi logika fuzzy dan defuzzifikasi. Inferensi logika fuzzy dilakukan dengan menggunakan metode min untuk menentukan output dari tiap rule. Sedangkan variabel defuzzifikasi menggunakan metode max untuk perhitungan terhadap himpunan tegas (crisp) sehingga didapatkan output dari sistem. Output dari sistem ini merupakan buzzer dan LCD berfungsi menampilkan kondisi hasil dari defuzzifikasi.
2.2.2 Perancangan perangkat lunak sensor Gambar 5 Tampilan Prototipe Tampak Dalam flame sebagai interrupt
Gambar 4 dan Gambar 5 merupakan Interrupt pada sistem ini menggunakan tampilan dari skema perancangan prototipe sensor flame untuk membuat sistem berpindah sistem ketika di implementasikan. dari state SLEEP menjadi WAKE. Pengaturan
Koneksi setiap pin yang digunakan dalam pin interrupt yang digunakan yaitu dengan sistem ditunjukkan pada Tabel 1 berikut. memanfaatkan pembacaan digital dari sensor
Tabel 1 Koneksi Pin
flame. Berikut merupakan flowchart program untuk Interrupt sensor flame dapat dilihat pada
Pin Pin Gambar 7. Pin Pin Pin Pin Arduino MQ-
Pada inisialisasi pin yang digunakan
DHT11 Flame Buzzer LCD Mega
2
sebagai WAKE_PIN yaitu menggunakan pin
Vcc
VCC
VCC
VCC
VCC
Digial 2 (D2) yang ada pada Arduino Mega
GND GND GND GND GND GND
2560. Pin interrupt diatur untuk memiliki logika
A0 A0 awal LOW karena sensor flame akan berada
pada pembacaan HIGH apabila mendeteksi
A1 A0
adanya api. Apabila sensor flame berada pada
A2 A0
pembacaan HIGH maka interrupt pun akan
9 IN
menjadi HIGH dan mikrokontroller dapat
SDA SDA terbangun dari mode sleep power down. SCL SCL
2.2 Perancangan Perangkat Lunak
2.2.1 Perancangan perangkat lunak sistem
Dalam proses perancangan fuzzy membutuhkan beberapa proses sehingga terbentuknya suatu keputusan output sesuai dengan perhitungan logika fuzzy. Proses tersebut antara lain, fuzzifikasi, pembuatan rule, inferensi, dan defuzzifikasi.
Gambar 8 Flowchart perancangan fuzzy
2.2.4 Fuzzifikasi
Fuzzifikasi adalah suatu pengubahan nilai
Gambar 6 Flowchart perancangan perangkat lunak tegas/real kedalam fungsi keanggotaan fuzzy.
sistem
Gambar 7, sub-proses fuzzifikasi akan menerima proses input dari sensor DHT11 yang berfungsi untuk input data suhu, sensor MQ-2 yang berfungsi untuk input data asap, dan sensor flame yang berfungsi untuk input data api. Fungsi dari sub-proses fuzzifikasi adalah merubah nilai tegas ke dalam fungsi keanggotaan (membership function).
2.2.5 Variabel Suhu
Pada perancangan variable suhu terdapat 4 himpunan yaitu dingin, sejuk, hangat dan panas. Berikut ini perancangan himpunan fuzzy suhu dilihat pada Gambar 8.
Suhu
1 Gambar 7 Perancangan sensor flame sebagai interrupt
10
20
30
40
50 Dingin Sejuk Hangat Panas Gambar 9 Fungsi Keanggotaan Suhu
2.2.3 Perancangan Logika Fuzzy
Dekat Agak Dekat Jauh Tidak Ada
power, dan pengujian eksekusi waktu. Pengujian dalam sistem ini ditunjukkan pada .
1 100 200 300 400 500 600 700 800 Api
Renggang Sedang Pekat 0,5
50 75 100 Asap
25
1
0,5
IDE. Pengujian dilakukan dengan membuat asap dari pembakaran kertas. Pengujian asap dibagi menjadi 3 bagian yaitu, ketika tidak ada asap, asap dengan kepekatan yang berbeda, dan ketika asap mulai terurai. Berikut adalah tabel pengujian dari sensor MQ-2.
Tujuan dilakukannya pengujian akuisisi data pembacaan intensitas asap dari sensor MQ-2 adalah untuk mengetahui kemampuan pembacaan sensor MQ-2 dalam membaca intensitas asap dalam satuan ppm (part per million) yang merupakan hasil kalibrasi dari pembacaan ADC pada serial monitor Arduino
3.1. Pengujian Sensor MQ-2
Gambar 12 Pohon Pengujian dan Analisis
Dalam sistem ini terdapat pengujian dari sensor MQ-2 untuk mendapatkan pembacaan data intensitas asap, akuisisi data sensor DHT11 untuk mendapatkan pembacaan data suhu, sensor flame untuk mendapatkan pembacaan data api, pengujian fuzzifikasi, pengujian low
2.2.6 Variabel Asap
3. HASIL PENGUJIAN DAN ANALISIS
Setelah nilai α diketahui pada setiap aturan/rule, selanjutnya tiap variable kondisi akan melakukan evaluasi pada setiap rule/aturan dengan mencari nilai terbesarnya(MAX). Setelah nilai setiap variabel kondisi diketahui, maka nilai dari masing-masing kondisi dibandingkan untuk mencari nilai terbesar dimana hasil perbandingan akan menjadi output dari sistem.
.
Rule based suatu bentuk aturan relasi/implikasi if-then. Fungsi implikasi adalah menyusun baris aturan berupa implikasi fuzzy yang menyatakan relasi antara variabel input dan output. Pada metode sugeno, fungsi implikasi yang digunakan adalah min. Pada pembuatan aturan, penulis akan membuat dengan menggunakan “IF” dan “AND” dan menghasilkan perintah “THEN”.
2.2.8 Inferensi
Gambar 11 Fungsi Keanggotaan Api
≤ 25 ), agak dekat dengan sensor (50cm), api jauh dari sensor (>50
Pada pembacaan input api terbagi atas 4 jarak yaitu, dekat dengan sensor dengan rentang (
2.2.7 Variabel Api
Gambar 10 Fungsi Keanggotaan Asap
Pada pembacaan input asap menggunakan nilai keluaran berupa ppm (part per million) dimana dalam perancangan terdapat 3 himpunan yaitu renggang, sedang dan pekat. Berikut ini perancangan himpunan fuzzy asap dilihat pada Gambar 9.
- – 100cm), dan tidak ada api. Berikut ini perancangan himpunan fuzzy api dilihat pada Gambar 10.
mulai mengalami penurunan, yaitu dari 807 menjadi 228, 111, 105 dan seterusnya hingga 0
No Kondisi Nilai Pembacaan
ppm yang berarti tidak ada asap. Dari hasil
Sensor MQ-2
pengujian diatas dapat diambil kesimpulan
(ppm)
bahwa sensor berhasil dalam mendeteksi asap
1 Tidak Ada Asap
dengan baik dan dapat digunakan untuk akuisisi data sebagai input.
2 Tidak Ada Asap
3.2. Pengujian Sensor DHT11
3 Tidak Ada Asap
Tujuan melalukan pengujian pada sensor
4 Variasi Intensitas
8 DHT11 adalah untuk mengetahui akurasi berbeda
pembacaan data dari sensor dengan cara
5 Variasi Intensitas
12
membandingkan nilai yang dihasilkan oleh
berbeda
sensor dengan suhu yang terdeteksi oleh termometer ruangan.
6 Variasi Intensitas
32 berbeda Dari data yang diperoleh dapat dihitung
persentase nilai akurasi DHT11.
7 Variasi Intensitas
99 − % berbeda
ℎ (%) = 100
8 Variasi Intensitas 195
HT : Hasil dari pembacaan termometer
berbeda
HS : Hasil dari pembacaan sensor DHT11
9 Variasi Intensitas 262 berbeda Tabel 3 Pengujian Sensor DHT11
10 Variasi Intensitas 398 Sensor Thermometer berbeda
No (C) (C) Kesalahan
11 Variasi Intensitas 622
1 28 28,3 1,1% berbeda 2 28 28,3 1,1%
12 Variasi Intensitas 807
3 29 28,3 2,5% berbeda 4 29 28,4 2,1%
13 Asap Mulai 228
5 29 28,6 1,4% Terurai 6 30 28,8 4,2%
14 Asap Mulai 111 Terurai 7 31 29,6 4,7%
8 32 30,2 6,0%
15 Asap Mulai 105 Terurai 9 32 30,2 6,0%
10 31 30,8 0,6%
16 Asap Mulai
73 Rata- Terurai rata 3,0%
17 Asap Mulai
23 Berdasarkan data yang ditampilkan pada Terurai
Tabel 4, diketahui hasil pembacaan antara sensor
18 Asap Mulai
19 DHT11 dengan thermometer ruangan tidak jauh Terurai
berbeda. Hal ini dapat dilihat dari nilai rata-rata sistem error sebesar 3,0%.
19 Asap Mulai
4 Terurai
3.3. Pengujian Sensor Flame
Tujuan dilakukannya pengujian pada sensor
20 Asap Mulai
flame adalah untuk mengetahui nilai pembacaan
Terurai
ADC yang dihasilkan oleh sensor ketika mendeteksi adanya api. Pengujian dilakukan Ketika asap dari kertas yang telah dibakar didekatkan dengan sensor, maka nilai berdasarkan jarak antara api dengan sensor. Pada pengujian ini penulis membagi pembacaan jarak pembacaan dari sensor dalam bentuk ppm mulai sampai 110cm yang dibagi menjadi 11 yaitu naik, yaitu dari 8, 12, 32, 99, 195, dan seterusnya sampai pada nilai 807 ppm. Ketika asap dari jarak 10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110 dan tidak ada api. Berikut adalah prosedur yang kertas dijauhkan nilai pembacaan dari sensor dilakukan dalam melakukan pengujian sensor Output Output
No Suhu Asap Api Sistem Manual flame.
Tidak Ada Tidak Ada
10
36 15 1012 Kebakaran Kebakaran Tabel 4 Pengujian Sensor Flame
Pengujian yang dilakukan pada Tabel 6 dengan mengambil 10 sampel dengan input dan
Percobaan(cm) Nilai Pembacaan Serial
output yang berbeda yaitu tidak ada kebakaran,
10
28
berasap, berapi asap sedikit, dan berapi asap
20
68
banyak. Pengujian dilakukan dengan
30 250
menganalisis hasil output yang diberikan sistem
40 305 dengan hasil perhitungan secara manual. Dapat
dilihat pada Tabel 6 dari 10 sampel yang di catat,
50 561
hasil pengujian secara sistem dan secara manual
60 686 memiliki hasil yang sama. 70 805
3.5. Pengujian Proses Low Power 80 861
Untuk mengetahui apakah proses low power
90 873
berjalan sesuai dengan yang diinginkan maka
100 885
perlu mengetahui konsumsi arus dari purwarupa
110 921
sistem dan membandingkan pemakaian daya
Tidak ada api 1021 menggunakan low power dengan tidak
menggunakan low power. Pengukuran dilakukan Berdasarkan pada Tabel 5 pembacaan nilai ketika dalam keadaan sleep dengan analog pada sensor flame akan menurun apabila menggunakan multimeter kemudian api semakin dekat dengan sensor dan pembacaan dibandingkan dengan konsumsi arus ketika analog yang naik ketika api jauh dengan sensor sistem dalam keadaan wake. dan tidak ada api.
Tabel 6 Pengujian Proses Low Power
3.4. Pengujian Proses Fuzzy
Arus Arus
Tujuan dilakukan pengujian proses fuzzy
Kondisi Kondisi Tanpa
adalah untuk mengetahui ketepatan sistem dalam
Wake Daya Sleep Daya Low
menentukan hasil pembacaan dari sensor yang
No (A) Wake (A) Sleep Power kemudian dilakukan perhitungan fuzzy. 1 0,245 0,014 0,205 0,011 0,245
Tabel 5 Pengujian Proses Fuzzy 2 0,245 0,014 0,205 0,011 0,245 3 0,245 0,014 0,205 0,011 0,245
Output Output 4 0,245 0,014 0,205 0,011 0,245
No Suhu Asap Api Sistem Manual Tidak Ada Tidak Ada
5 0,245 0,014 0,205 0,011 0,245
1
33 22 1012 Kebakaran Kebakaran 6 0,245 0,014 0,205 0,011 0,245
Tidak Ada Tidak Ada 7 0,245 0,014 0,205 0,011 0,245
2
30 33 102 Kebakaran Kebakaran Berapi Berapi 8 0,245 0,014 0,205 0,011 0,245
Asap Asap 9 0,245 0,014 0,205 0,011 0,245
3 28 125 380 Banyak Banyak 10 0,245 0,014 0,205 0,011 0,245
4
28 88 1011 Berasap Berasap Rata-
Tidak Ada Tidak Ada rata 0,245 0,014 0,205 0,011 0,245
5
29 35 1012 Kebakaran Kebakaran
Contoh Perhitungan :
Berapi Berapi Pemakaian daya ketika mendeteksi keadaan
Asap Asap
6
27
53
69 Sedikit Sedikit bahaya (wake)
7
28 55 1013 Berasap Berasap
35 Berapi Berapi = 6 0,245 = 0,014291667
3600 Asap Asap
Pemakaian daya ketika tidak mendeteksi
8 30 116 254 Banyak Banyak Berapi Berapi keadaan bahaya (sleep)
Asap Asap
9
33 43 426 Sedikit Sedikit
35 = 6 0,205 3600 = 0,01195833 Hasil dari pengukuran arus menunjukkan ketika sistem dalam keadaan membaca sensor dan menampilkan data, arus yang digunakan sebesar 0,245A atau 245mA dan ketika sistem berpindah ke kondisi sleep penggunaan arus menurun mencapai 0,205A atau 205mA begitupun juga ketika sistem tidak menggunakan low power arus yang digunakan sebesar 245mA. Dari hasil pengujian dapat diketahui bahwa konsumsi arus listrik mengalami penurunan sebanyak 0,4A atau 40mA jika dibandingkan dengan sistem ketika tidak menggunakan low power dan juga ketika membaca sensor dan menampilkan data.
3.6. Pengujian Waktu Eksekusi Sistem
Dari hasil pengujian performa yang dilakukan pada sistem yang telah dibuat dapat disimpulkan bahwa kinerja sistem telah berjalan sesuai yang di harapkan. Pada saat tidak ada kenaikan kondisi dari tidak ada kebakaran sistem akan pada sleep dan ketika terjadi interrupt sistem akan wake. Ketika sistem tidak mendeteksi adanya keadaan berbahaya, sistem memakai daya sebanyak 0,245A dan ketika sistem tidak mendeteksi adanya keadaan berbahaya, sistem memakay daya sebanyak, 0,205A. Pada pengujian waktu sleep sistem membutuhkan waktu 602,8ms. Sedangkan waktu wake pada sistem membutuhkan 40,2ms.
Ihsannurrahim. (2017). Implementasi Low
Homautomaion: www.homautomation.org/2014/04/03/b est-ways-to-power-a-arduino- according-to-your-need/
Homautomaion . Retrieved from
Homautomaion. (2014, April 3).
Jurnal Teknologi Informasi dan Ilmu Komputer .
(2016). Implementasi Logika Fuzzy Pada Sistem Berbasis Field Programmable Gate Array(FPGA).
5. DAFTAR PUSTAKA Hanafi, M. H., Setiawan, E., & Hamidi, M. A.
Pengujian waktu eksekusi sistem bertujuan untuk mengetahui kecepatan sistem dalam menjalan kan pembacaan sensor dan proses perhitungan fuzzy dan waktu yang dibutuhkan untuk wake.
Tabel 7 Pengujian Waktu Eksekusi Sistem Calibrating (ms) Sleep
Dalam perancangan prototipe sistem pendeteksi kebakaran dalam ruangan dapat disimpulkan bahwa perancangan telah berhasil dimana Arduino Mega 2560 sebagai mikrokontroller, sedangkan untuk membaca suhu dalam ruangan menggunakan sensor DHT11, kemudian untuk mendeteksi kadar asap dalam duangan menggunakan sensor MQ-2, dan juga untuk mendeteksi keberadaan api didalam ruangan.
Berdasarkan hasil pengujian dan analisis yang telah dilakukan, maka dapat diambil kesimpulan sebagai berikut.
4. KESIMPULAN
Hasil dari pengujian waktu eksekusi sistem menunjukkan waktu yang diperlukan sistem untuk mengkalibrasi sensor memiliki rata-rata waktu 25,122 detik. Waktu yang dibutuhkan sistem untuk berpindah dari pembacaan data ke status sleep membutuhkan waktu 602,8 milidetik atau 0,602 detik. Sedangkan waktu yang dibutuhkan sistem untuk wake memiliki rata-rata 42,4 atau 0,042 detik. Waktu yang dibutuhkan sistem untuk berpindah dari wake ke pembacaan sistem membutuhkan rata-rata waktu 7517 milidetik. Sehingga total waktu yang dibutuhkan sistem memiliki rata-rata 33284,2 milidetik.
25122 602 43 7470 33237 25122 604 46 7030 32802 25122 602 39 7600 33363 25122 603 40 7680 33445 25122 602 38 7390 33152 25122 604 43 7570 33339 25122 602 42 7340 33106 25122 603 44 7640 33409 25122 604 47 7520 33293 25122 602 42 7930 33696 25122 602,8 42,4 7517 33284,2
Sensing (ms) Jumlah (ms)
(ms) Wake (ms) Wake to
Dari hasil perancangan dan implementasi low power sistem telah berjalan dengan semestinya sesuai dengan yang di harapkan. Dimana perancangan low power menggunakan mode power down sleep dengan external interrupt untuk berpindah pada kondisi sleep menjadi wake yang telah di implementasikan kedalam sistem telah berjalan dengan yang diharapkan. Power Wearable Device Sebagai Heart Rate Monitor Dengan Metode State Machine . Jurnal Pengembangan
Teknologi Informasi dan Ilmu Komputer .
Kusumadewi, S. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu .
Kusumadewi, S., & Hartati, S. (2006). Neuro- Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu .
Nallani, S., & Hency, V. B. (2015). Low Power Cost Effective Automatic Irrgiation System. Indian Journal of Science and Technology .
Nurromianto, I. (2015). RANCANGAN
PROTOTIPE PENDETEKSIAN DINI LOKASI KEBAKARAN BERBASIS WIRELESS DENGAN FUZZY LOGIC DAN PEMBERITAHUAN VIA SMS.
JEMBER. Pacific, S. (2017, Agustus 3). Saberindo Pacific.
Retrieved from Saberindo Pacific: http://saberindo.co.id/2017/08/03/teori- segitiga-api/ Prayogi, S., Yamin, M., & Ramadhan, R. (2016). Perancangan Dan Implementasi Prototipe Sistem Pendeteksi Asap Dan Panas Pada Ruangan Tertutup Menggunakan Logika Fuzzy Metode Sugeno. 2. Purnomo, R. A. (2017). Implementasi Metode
Fuzzy Sugeno Pada Embedded System Untuk Mendeteksi Kondisi Ruangan Dalam Ruangan. Jurnal Pengembangan
Teknologi Informasi dan Ilmu Komputer .