The condition of the air on earth is getting worse every year due to air pollution. Air pollutants as the cause of pollution have various types, including carbon monoxide and carbon dioxide. One form of effort in controlling pollution can be in the form of air quality information announced to the public. In South Sulawesi, the Environmental Management Agency (DPLH) only operates an air quality measurement system with limited functions. In this study, an Internet of Things (IoT)-based air quality monitoring system was designed using WEMOS D1 Mini with MQ-7 and MQ-135 sensors to detect pollutant levels. Data from the system will be integrated and displayed through the Thingspeak platform and website, so that it can be accessed by everyone anytime and anywhere in a multiplatform manner that makes it easier for the public to monitor and maintain environmental air quality. Data related to pollutants from the system can also be utilized by parties who need the information. The designed system was then subjected to a series of tests including hardware testing, software testing, and overall testing. The results of the study showed that the air quality monitoring system was successfully created. In testing the calibration results and readings of the MQ-7 sensor with a comparison tool, the average percentage error of sensors 1 and 2 was 9.01% and 14.44% when using cigarette smoke as a source of pollutants, and 47% and 7.19% when using exhaust gas from motor vehicles. Similar testing on the MQ-135 with a comparison tool, the average percentage error of sensors 1 and 2 was 3.12% and 2.77% when conditions were not treated, and 3.29% and 5.06% when using paper smoke as an additional pollutant. Based on the delay test, it was obtained that Thingspeak had a high delay with values varying from 8-1 seconds and 14-1 seconds when using Telkomsel and Tri providers. Meanwhile, the website has a smaller delay with a value of only around ≤ 1 second when using the Telkomsel and Tri providers.
Bahasa Indonesia
Keadaan udara di bumi semakin memburuk tiap tahunnya sebab pencemaran udara. Polutan udara sebagai penyebab pencemaran memiliki beragam jenis, termasuk karbon monoksida dan karbon dioksida. Salah satu bentuk upaya dalam pengendalian pencemaran dapat berupa informasi kualitas udara yang diumumkan kepada masyarakat. Di Sulawesi Selatan, Dinas Pengelolaan Lingkungan Hidup (DPLH) hanya beroperasi sistem pengukuran kualitas udara dengan fungsi terbatas. Pada penelitian ini, dilakukan perancangan sistem pemantauan kualitas udara berbasis Internet of Things (IoT) menggunakan WEMOS D1 Mini dengan sensor MQ-7 dan MQ-135 dalam mendeteksi kadar polutan. Data dari sistem akan terintegrasi dan ditampilkan melalui platform Thingspeak dan website, sehingga dapat diakses oleh semua orang kapan saja dan dimana saja secara multiplatform yang memudahkan masyarakat untuk memantau dan menjaga kualitas udara lingkungan. Data terkait polutan dari sistem juga dapat dimanfaatkan oleh pihak yang memerlukan informasi tersebut. Sistem yang telah dirancang kemudian dilakukan serangkaian pengujian meliputi pengujian perangkat keras, pengujian perangkat lunak, dan pengujian secara keseluruhan. Hasil penelitian menunjukkan sistem pemantauan kualitas udara berhasil dibuat. Pada pengujian hasil kalibrasi dan pembacaan sensor MQ-7 dengan alat pembanding, diperoleh rata-rata persentase error sensor 1 dan 2 adalah 9,01% dan 14,44% saat menggunakan asap rokok sebagai sumber polutan, dan 47% dan 7,19% saat menggunakan gas buang kendaraan motor. Pengujian serupa pada MQ-135 dengan alat pembanding, diperoleh rata-rata persentase error sensor 1 dan 2 adalah 3,12% dan 2,77% saat kondisi tanpa perlakuan, dan 3,29% dan 5,06% saat menggunakan asap kertas sebagai polutan tambahan. Berdasarkan pengujian delay, diperoleh Thingspeak memiliki delay yang tinggi dengan nilai bervariasi dari 8-1 detik dan 14-1 detik saat menggunakan provider Telkomsel dan Tri. Sedangkan pada website memiliki delay lebih kecil dengan nilai hanya dikisaran ≤ 1 detik saat menggunakan provider Telkomsel dan Tri.
Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.