Mata Kuliah: MKK.10.01.005 — Kecerdasan Buatan & Internet of Things (TW1). Durasi: 120 menit (Tatap Muka). Penyusun: Irfan Yusin Syahrullah.
Tujuan Pembelajaran
- Mengenal dan membandingkan platform IoT populer
- Membangun dashboard untuk menampilkan data suhu dan kelembaban
- Memahami widget dan visualisasi data realtime
- Membaca data yang telah dikirim dari ESP32
Capaian Pembelajaran
Mahasiswa mampu memanfaatkan platform IoT untuk memvisualisasikan data sensor pada dashboard yang dapat diakses dari mana saja.
Konsep Materi
Platform IoT menyediakan infrastruktur untuk menerima, menyimpan, dan menampilkan data dari perangkat. Contoh populer di antaranya ThingSpeak, Blynk, ThingsBoard, dan Adafruit IO, masing-masing dengan kekuatan berbeda.
ThingSpeak bagus untuk mencatat data time-series dan analisis sederhana dalam MATLAB. Blynk menonjol dengan antarmuka aplikasi ponsel yang cepat dibuat. ThingsBoard bersifat open source dan mendukung banyak perangkat serta aturan bisnis.
Setelah data masuk ke channel, kita membangun dashboard dengan menambahkan widget seperti gauge, chart, atau tabel. Widget menampilkan data per field yang dikirim dari ESP32.
Visualisasi realtime membantu memantau kondisi secara cepat, misalnya suhu yang naik dari jarak jauh. Beberapa platform memungkinkan peringatan otomatis saat nilai melewati ambang.
Dengan dashboard, nilai guna proyek IoT meningkat pesat karena data dapat dilihat banyak orang dari mana saja, bukan hanya di Serial Monitor.
Langkah Praktik
- Buka platform ThingSpeak dan buat channel dengan Field1 (suhu) dan Field2 (kelembaban).
- Kirim data DHT11 dari ESP32 sesuai pertemuan sebelumnya ke kedua field.
- Buka tab Private View dan tambahkan widget gauge untuk suhu serta line chart untuk tren.
- Atur jendela waktu tampilan agar chart memperlihatkan beberapa jam data.
- Bagikan tautan dashboard dan uji akses dari perangkat lain di jaringan internet.
Latihan / Proyek
- Bandingkan ThingSpeak, Blynk, dan ThingsBoard dari sisi kemudahan dan fitur.
- Tambahkan widget yang menampilkan nilai kelembaban dan status (AMAN/WASPADA).
- Eksplorasi fitur export data untuk mengunduh data time-series dalam format CSV.
Rekap & Tindak Lanjut
Mahasiswa mampu membangun dashboard pemantauan dan memvisualisasikan data sensor secara realtime. Skill ini menjadi inti fase konektivitas dan dipakai untuk proyek smart home berikutnya.