Rancang Bangun Sistem Sortir Barang Otomatis Berbasis IoT Menggunakan Android Scanner dan ESP32 Melalui Sinkronisasi Dinamis Web Dashboard
Keywords:
ESP32, QR Code, Sistem Sortir, IoT, Monitoring Web.Abstract
Penelitian ini bertujuan untuk merancang prototipe sistem sortir barang otomatis yang efisien dengan memanfaatkan teknologi IoT berbasis mikrokontroler ESP32. Sistem ini menggunakan kamera smartphone sebagai pemindai QR Code yang datanya diproses untuk menggerakkan mekanisme sortir berupa konveyor dan motor servo. Inovasi utama dalam penelitian ini adalah fleksibilitas konfigurasi sistem melalui antarmuka web, di mana pengguna dapat menentukan dan mengubah logika pemisahan berdasarkan kode awalan (prefix) QR Code secara dinamis tanpa perlu mengubah kode program pada perangkat keras. Enam sensor inframerah digunakan untuk memvalidasi posisi barang pada lima jalur penyimpanan (Storage A, B, C, D, dan jalur fail-safe E) serta mengirimkan data tersebut ke dashboard web sebagai fungsi monitoring. Pengujian dilakukan terhadap 78 sampel barang dengan variasi prefix QR Code, baik yang terdaftar maupun tidak. Hasil pengujian menunjukkan Sorting Accuracy Rate (SAR) sebesar 82,1% dengan Misplacement Rate (MR) sebesar 17,9%, serta rata-rata latency response sebesar 0,62 detik (deviasi standar 0,51 detik). Mekanisme fail-safe berhasil mengisolasi 75% barang dengan QR Code tidak terdaftar atau rusak ke jalur darurat tanpa intervensi operator, menunjukkan bahwa jalur ini bekerja pada mayoritas kasus namun masih memiliki celah yang perlu disempurnakan.
References
[1] . Kecepatan konveyor dapat diatur melalui dashboard web dengan mengubah nilai kecepatan konveyor antara 0-255. Mekanisme pembelok barang menggunakan motor servo SG90 yang dipasang secara vertikal di ujung setiap jalur percabangan. Ketika QR Code barang terdeteksi dan barang diidentifikasi oleh sinyal inframerah, ESP32 akan mengirimkan sinyal PWM ke servo yang sesuai untuk memutar flap pembelok selama durasi tertentu, kemudian kembali ke posisi awal
[2] . Posisi sudut servo dikalibrasi melalui konfigurasi web agar presisi dalam mengarahkan barang ke jalur yang tepat
[3] . Sensor inframerah tipe FC-51 dipasang di ujung setiap jalur penyimpanan (Storage A, B, C, D) dan satu buah di jalur fail-safe (Storage E untuk barang tidak terdaftar) serta dipasang pada awal jalur untuk mendeteksi benda awal setelah scan dimulai. Sensor ini mendeteksi kehadiran barang berdasarkan pantulan sinar inframerah dan mengirimkan sinyal digital HIGH ke pin GPIO ESP32 ketika terdeteksi ada barang yang melewatinya. Arsitektur Perangkat Lunak dan Sinkronisasi Logika Dinamis Sistem perangkat lunak pada penelitian ini dibangun menggunakan arsitektur hybrid terintegrasi yang menghubungkan database terpusat
[4] . Di sisi lapangan, operator menggunakan aplikasi mobile berbasis Flutter yang mengintegrasikan library mobile_scanner dan Google ML Kit untuk mendeteksi QR Code secara instan dengan latensi rendah
[5] . Pemilihan Flutter didasarkan pada performa multi-threading melalui Isolates yang memungkinkan proses rendering kamera berjalan paralel dengan proses decoding gambar oleh algoritma Google ML Kit. Setelah data QR Code terbaca, aplikasi secara otomatis mengirimkan data string tersebut melalui protokol HTTP POST menuju API server berbasis PHP native untuk disimpan ke dalam tabel antrian database MySQL
[6] . Proses penangkapan data ini dirancang agar berjalan independen dari pergerakan konveyor, sehingga operator dapat melakukan pemindaian berlapis tanpa mengganggu siklus kerja perangkat keras utama
[7] . Penyimpanan data dan konfigurasi sistem dikelola secara terpusat pada basis data MySQL yang dirancang untuk menjaga integritas data log operasional dan sinkronisasi parameter dinamis. Arsitektur basis data ini terdiri dari beberapa tabel utama yang saling berelasi, meliputi tabel sorting_rules untuk menyimpan parameter konfigurasi prefix string dan pemetaan storage tujuan, tabel system_settings untuk menyimpan kalibrasi fisik (kecepatan konveyor dan sudut derajat servo), tabel scan_queue sebagai antrean data QR Code yang belum dieksekusi, tabel activity_logs untuk mencatat riwayat hasil akhir setiap proses sortir, serta tabel machine_logs untuk mencatat kejadian anomali tingkat perangkat keras. Relasi antar-tabel ini memastikan bahwa setiap perubahan logika yang diinput oleh administrator melalui web akan langsung memperbarui referensi data yang akan ditarik oleh ESP32. Keterikatan struktural antar-tabel ini dikelola melalui mekanisme foreign key yang menghubungkan riwayat aktivitas mesin dengan aturan konfigurasinya, sehingga seluruh log data transaksi pemindaian tetap sinkron dan terlacak secara kronologis. Rancangan pemetaan entitas dan hubungan kardinalitas antar-tabel tersebut digambarkan secara detail pada Entity Relationship Diagram (ERD) pada Gambar 6 Gambar 6. Desain ERD database. Untuk mengeksekusi penyortiran fisik, firmware ESP32 bekerja dalam loop utama yang secara berkala melakukan sinkronisasi data melalui mekanisme polling HTTP GET setiap 5 detik ke endpoint /api/config
[8] . Melalui request ini, ESP32 mengambil dokumen konfigurasi berformat JSON yang berisi aturan aktif dari tabel sorting_rules. Algoritma pencocokan prefix bekerja dengan mengurutkan seluruh aturan berdasarkan panjang string dari yang terpanjang hingga terpendek guna menghindari konflik pembacaan pada kode wilayah logistik yang saling beririsan. Ketika data antrean terbaru diterima dari tabel scan_queue, ESP32 mencocokkan karakter awal string barang dengan daftar aturan tersebut; jika ditemukan kecocokan, sinyal PWM akan langsung mengaktifkan motor servo pada jalur yang sesuai, sedangkan jika seluruh baris aturan tidak terpenuhi, barang secara otomatis dialihkan ke jalur fail-safe (Storage E). Seluruh kendali administratif dan pemantauan kinerja sistem berpusat pada web dashboard responsif yang bertindak sebagai command center bagi supervisor
[9] . Fungsi monitoring pada dashboard ini menyajikan transparansi data logistik secara real-time, menampilkan statistik jumlah barang masuk, serta menghitung persentase tingkat kesuksesan sortir berdasarkan umpan balik (feedback) digital dari enam sensor inframerah FC-51 yang tercatat pada tabel activity_logs
[10] . Selain pengawasan, dashboard ini memegang peranan krusial sebagai media konfigurasi parameter sistem, di mana administrator memiliki hak akses penuh untuk mengubah relasi prefix QR Code secara instan, menetapkan batasan kapasitas maksimal gudang demi mencegah penumpukan, mengatur kecepatan putaran konveyor melalui duty cycle PWM, serta mengalibrasi derajat bukaan sudut motor servo secara presisi langsung dari antarmuka web tanpa perlu melakukan modifikasi kode program atau melakukan flash ulang firmware pada mikrokontroller
[11] ,
[12] . Prosedur Pengujian Pengujian sistem dilakukan dalam tiga tahap. Tahap pertama adalah pengujian unit (unit testing) terhadap setiap komponen secara terpisah, meliputi pengujian akurasi pembacaan QR Code oleh kamera smartphone, pengujian respon motor servo terhadap sinyal PWM, dan pengujian sensitivitas sensor inframerah. Tahap kedua adalah pengujian integrasi untuk memastikan komunikasi antara ESP32, server web, dan database berjalan dengan benar. Tahap ketiga adalah pengujian sistem secara keseluruhan (system testing) menggunakan sampel barang dengan QR Code yang telah dikategorikan ke dalam beberapa kelompok, termasuk kategori QR Code tidak terdaftar. Metrik evaluasi dalam penelitian ini diukur secara kuantitatif berdasarkan data log objektif yang terekam pada basis data. Metrik tersebut meliputi: Sorting Accuracy Rate (%) SAR = dihitung berdasarkan rasio jumlah status success pada tabel activity_logs dibandingkan total barang yang diuji. Misplacement Rate (%) MR = dihitung dari frekuensi kemunculan log CRITICAL pada tabel machine_logs akibat kesalahan pembelokan fisik. Latency Response TL = waktu komparasi data sejak IR_AWAL aktif hingga servo bergerak memotong jalur konveyor. Hasil dan Pembahasan Pada bagian ini, akan dibahas secara detail mengenai hasil dari seluruh tahapan pengujian yang telah dilakukan, mulai dari pengujian fungsionalitas tiap komponen (unit testing), integrasi sistem berbasis IoT, hingga analisis performa kuantitatif alat berdasarkan matriks evaluasi yang sudah ditentukan. Pengujian Fungsionalitas Komponen ( Unit Testing ) Sebelum sistem diuji secara terintegrasi, dilakukan pengujian terhadap komponen hardware dan software secara terisolasi untuk memastikan batas operasional optimal
[13] . Pengujian Google ML Kit Scanner (Mobile) Pengujian pembacaan QR Code oleh Google ML Kit dilakukan pada variasi jarak 5–20 cm dengan kondisi pencahayaan normal. Kamera smartphone berhasil mendeteksi seluruh sampel QR Code standar yang diujikan tanpa kegagalan pembacaan, dengan kecepatan respon yang dinilai memadai untuk memastikan data masukan terkirim ke server sebelum barang mencapai area percabangan konveyor. Antarmuka aplikasi pemindai berbasis Flutter ini dirancang agar mudah dioperasikan oleh petugas gudang di lapangan, seperti yang ditunjukkan pada Gambar 7. Gambar 7. Gambar antarmuka aplikasi scanner. Saat paket melintasi area awal konveyor, operator melakukan pemindaian menggunakan aplikasi pada smartphone. Proses pemindaian fisik dan interaksi hardware pembelok saat mendeteksi paket dapat dilihat pada Gambar 8. Gambar 8. Dokumentasi Proses Pemindaian pada Prototipe Konveyor. Kalibrasi Derajat Bukaan Motor Servo SG90 Posisi sudut flap pembelok dikonfigurasi melalui antarmuka web dashboard sesuai dengan tata letak fisik mekanis prototipe. Sudut default ditetapkan pada 0° sebagai posisi standby (menutup). Untuk mengalihkan barang menuju Storage A dan B, sudut bukaan ditetapkan pada 45°, sedangkan untuk Storage C dan D ditetapkan pada 130°, menyesuaikan jarak dan posisi percabangan jalur konveyor. Nilai sudut ini dapat diubah sewaktu-waktu melalui dashboard tanpa perlu modifikasi firmware, yang merupakan salah satu keunggulan utama arsitektur sistem ini. Respon Sensor Inframerah FC-51 Sensor Inframerah FC-51 yang telah dikalibrasi sensitivitas jaraknya pada range 2cm - 4cm dari tepi pembatas storage untuk menghindari false positive akibat pantulan cahaya luar ataupun interferensi dari material konveyor
[14] . Pengujian Sinkronisasi Logika Dinamis (JSON & Web Dashboard) Pengujian ini memvalidasi kemampuan ESP32 dalam melakukan polling data konfigurasi secara berkala tanpa menyebabkan crash pada memory heap. Tabel 1 menunjukkan hasil pengujian pencocokan prefix QR Code terhadap konfigurasi aturan yang aktif pada dashboard web beserta respons mekanis ESP32. Gambar 9. Antarmuka Web Dashboard Utama untuk Monitoring dan Konfigurasi Aturan JSON. Manajemen aturan sortir ini dikendalikan penuh melalui Web Dashboard utama yang sekaligus berfungsi sebagai pusat monitoring kapasitas gudang secara real-time, sebagaimana diimplementasikan pada Gambar 9. Tabel 1. Hasil Pengujian Sinkronisasi Logika Dinamis via JSON menggunakan QR Code Analisis prioritas prefix dilakukan saat sistem diberikan aturan dengan overlap prefix. Pada skenario 4, QR Code SOCSRG260512178 mengandung dua prefix yang terdaftar sekaligus, yaitu SOC yang diarahkan ke Storage B dan SRG yang diarahkan ke Storage C. Algoritma pengurutan berdasarkan panjang string terpanjang terbukti berjalan dengan benar sistem mengevaluasi seluruh karakter awal string secara berurutan dari prefix terpanjang ke terpendek, sehingga SOC dikenali sebagai kecocokan pertama dan barang diarahkan secara presisi menuju Storage B sesuai konfigurasi aktif, bukan ke Storage C. Hal ini membuktikan bahwa sistem tidak terjebak pada kecocokan parsial yang ambigu. Sementara itu, skenario 5 menunjukkan bahwa QR Code dengan prefix yang tidak terdaftar dalam sistem (SKG240705570) secara otomatis diisolasi ke jalur fail-safe Storage E tanpa memerlukan intervensi operator. Hasil keseluruhan menegaskan bahwa pembacaan konfigurasi JSON secara dinamis melalui endpoint API mampu menggantikan metode hard-coded konvensional pada mikrokontroler secara adaptif
[15] . Tabel 2. Data Pengukuran Latency Response (TL) pada Sistem. Berdasarkan Tabel 2, nilai rata-rata latency response (TL) sistem adalah sebesar 0,62 detik dengan deviasi standar 0,51 detik. Perlu dicatat bahwa pencatatan timestamp pada tabel activity_logs menggunakan resolusi satuan detik penuh (integer), sehingga seluruh nilai TL yang sesungguhnya berada di bawah 1.000 milidetik akan terbaca sebagai 0,00 detik, sedangkan nilai yang melewati batas satu detik tercatat sebagai 1,00 detik. Dengan demikian, nilai TL = 0,00 detik pada tiga sampel pengujian tidak berarti respons sistem terjadi secara instan, melainkan mencerminkan bahwa latensi aktual pada sampel tersebut lebih kecil dari satu detik namun tidak dapat dikuantifikasi lebih presisi dengan resolusi log yang tersedia. Nilai TL yang seluruhnya konsisten pada rentang 0–1 detik di seluruh 8 sampel pengujian mengindikasikan bahwa keterlambatan pada sisi perangkat lunak dapat dikesampingkan sebagai penyebab utama kegagalan penyortiran. Untuk memperoleh data latensi yang lebih akurat pada pengembangan selanjutnya, disarankan meningkatkan resolusi pencatatan timestamp menjadi satuan milidetik (ms). Analisis Kuantitatif Performa Sistem (System Testing) Pengujian performa secara kontinu dilakukan dengan menjalankan siklus sortir terhadap 78 sampel barang secara acak untuk mengukur keandalan logika dan mekanis
[16] . Setiap sampel diberi QR Code dengan variasi prefix yang mencakup kategori regional umum (makro), regional spesifik (mikro) yang saling beririsan, serta sejumlah kode yang sengaja tidak didaftarkan untuk menguji fungsi fail-safe. Tabel 3 menyajikan rekapitulasi hasil pengujian berdasarkan jalur penyimpanan tujuan. Tabel 3. Rekapitulasi Hasil Pengujian Sortir terhadap 78 Sampel Barang Berdasarkan data pada Tabel 3, sistem mencatatkan Sorting Accuracy Rate (SAR) sebesar 82,1% dan Misplacement Rate (MR) sebesar 17,9% dari 78 sampel yang diuji, sesuai dengan formula yang dijabarkan pada bagian metodologi penelitian. Storage A mencatatkan akurasi sempurna sebesar 100% tanpa satu pun kejadian salah arah. Storage D mencatatkan akurasi terendah (73,3%), sementara Storage B mencatatkan jumlah kejadian gagal absolut tertinggi (5 dari 24 sampel). Storage C berada pada posisi menengah dengan akurasi 84,2%. Seluruh 14 kejadian misplacement yang teridentifikasi pada Tabel 3 memerlukan penelusuran lanjutan pada tabel machine_logs untuk memastikan penyebab pastinya. Berdasarkan pola pada activity_logs, beberapa kejadian gagal menunjukkan dua entri log untuk barcode yang sama dengan storage akhir yang berbeda dari hasil sebelumnya, mengindikasikan kemungkinan deteksi ganda akibat tumpang-tindih posisi fisik barang di atas konveyor. Namun, tanpa data machine_logs berstatus CRITICAL, atribusi penyebab kegagalan sepenuhnya pada faktor mekanis belum dapat dipastikan secara mutlak.. Kesimpulan Berdasarkan hasil perancangan, implementasi, dan analisis kuantitatif yang telah dilakukan terhadap prototipe Sistem Kendali Sortir Barang Otomatis Berbasis Internet of Things (IoT) ini, Sistem telah berhasil mengintegrasikan perangkat keras berbasis mikrokontroler ESP32 dengan web dashboard secara sinkron menggunakan protokol HTTP. Implementasi format data JSON terbukti efektif dalam memfasilitasi perubahan aturan pemisahan barang (logika sortir) secara dinamis di sisi perangkat lunak. Pendekatan ini berhasil mengatasi keterbatasan sistem sortir konvensional yang bersifat hard-coded, sehingga konfigurasi parameter tujuan distribusi dapat diperbarui secara real-time tanpa memerlukan proses pemrograman ulang (flash firmware) pada perangkat keras di lapangan. Melalui pengujian performa secara kontinu, sistem menunjukkan tingkat keandalan logika yang tinggi dengan capaian Sorting Accuracy Rate (SAR) sebesar 82,1% dari total 78 sampel barang yang diuji. Pengukuran waktu respon menunjukkan nilai rata-rata latency response yang rendah, yakni sebesar 0,62 detik dengan deviasi standar 0,51 detik, yang mengonfirmasi bahwa aspek komputasi sistem berjalan dengan efisien. Sistem mencatatkan Misplacement Rate (MR) sebesar 17,9%. Pola pada activity_logs mengindikasikan kemungkinan deteksi ganda akibat tumpang-tindih posisi fisik barang di atas konveyor sebagai salah satu faktor penyebab, namun atribusi penyebab kegagalan secara pasti memerlukan verifikasi lebih lanjut terhadap tabel machine_logs berstatus CRITICAL yang belum tersedia pada analisis ini. Tidak ditemukan indikasi kegagalan logika pencocokan prefix atau kesalahan pembacaan data JSON pada seluruh kasus misplacement yang tercatat. Penerapan algoritma pencocokan prefix berbasis string terpanjang terbukti presisi dalam membedakan kode wilayah logistik yang saling beririsan (seperti prefix makro SOC dan prefix mikro SKH). Selain itu, integrasi sensor inframerah FC-51 di setiap gerbang bersama jalur penyimpanan darurat (Storage E) menghasilkan tingkat keberhasilan isolasi sebesar 75,0% (6 dari 8 sampel) untuk barang dengan QR Code yang rusak atau tidak terdaftar. Dua kasus kegagalan isolasi yang teridentifikasi menunjukkan bahwa mekanisme fail-safe, meskipun bekerja pada mayoritas kasus, masih memerlukan penyempurnaan lebih lanjut. Untuk pengembangan selanjutnya, disarankan meningkatkan resolusi timestamp log menjadi satuan milidetik (ms) untuk memantau true latency secara lebih presisi, serta mengoptimalkan mekanisme konveyor guna menjaga jarak aman (gap) antar-barang secara konsisten. Referensi T. J. Lukka, T. Tossavainen, J. V. Kujala, and T. Raiko, "ZenRobotics Recycler – Robotic Sorting using Machine Learning," in Proc. Int. Conf. Sensor-Based Sorting (SBS), Aachen, Germany, Mar. 2014, p. 1. [Online]. Available: https://users.ics.aalto.fi/praiko/papers/SBS14.pdf P. Pramana and R. Mukhaiyar, "Rancang Bangun Alat Penyortir Barang menggunakan Barcode Berbasis Mikrokontroler," Ranah Research: Journal of Multidisciplinary Research and Development, vol. 4, no. 2, pp. 156–163, Mar. 2022, doi: 10.38035/RRJ.V4I2.454. T. Dewi, P. Risma, and Y. Oktarina, "Fruit sorting robot based on color and size for an agricultural product packaging system," Bulletin of Electrical Engineering and Informatics, vol. 9, no. 4, pp. 1438–1445, Aug. 2020, doi: 10.11591/EEI.V9I4.2353. S. Zeng, R. Xue, and S. Wang, "Research on Automatic Sorting System Based on RFID," in Proc. 2017 Int. Conf. Computational Science and Engineering (ICCSE 2017), Atlantis Press, 2017, doi: 10.2991/ICCSE-17.2017.39. A. H. Okilly, N. Kim, and J. Baek, "Inrush Current Control of High Power Density DC–DC Converter," Energies, vol. 13, no. 17, p. 4301, Aug. 2020, doi: 10.3390/EN13174301. Google for Developers, "Scan barcodes with ML Kit on Android," Google LLC. [Online]. Available: https://developers.google.com/ml-kit/vision/barcode-scanning/android. [Accessed: 21-Jun-2026]. Espressif Systems, "ESP32 Technical Reference Manual," Espressif Systems Co., Ltd., Shanghai, China, Tech. Ref. Manual ver. 5.1, 2023. [Online]. Available: https://www.espressif.com/sites/default/files/documentation/esp32_technical_reference_manual_en.pdf C. Mega, "Rancang Bangun Sistem Sortir Barang Menggunakan QR Code Berbasis Arduino Mega," in Proc. Seminar Nasional Teknologi Informasi (SENAFTI), Universitas Budi Luhur, 2023. [Online]. Available: https://senafti.budiluhur.ac.id/senafti/article/download/1642/925. [Accessed: 21-Jun-2026]. E. Budiarto, "Rancang Bangun Automatic Wheel Sorter Konveyor pada Jasa Ekspedisi Menggunakan Quick Response Code," Laporan Akhir, Politeknik Manufaktur Bandung, 2025. [Online]. Available: https://repositori.polman-bandung.ac.id/id/eprint/833/. [Accessed: 21-Jun-2026]. S. M. Kulkarni, S. Umadi, S. S. Airani, A. R. M. Raikar, and M. M. Raikar, "Grading and classification of tomatoes using ESP32-CAM and impulse cloud based IoT platform for sustainability," Procedia Computer Science, vol. 260, pp. 938–946, 2025, doi: 10.1016/j.procs.2025.03.277. Y. H. Prasetyo, L. Ixbal, U. B. Gea, I. Dwisaputra, and Y. F. Arriyani, "Sistem Sortir Paket Otomatis dengan Conveyor dan Kamera ESP32-CAM," in Proc. Seminar Nasional Inovasi Teknologi Terapan (SNITT), Polman Babel, 2025. [Online]. Available: http://snitt.polman-babel.ac.id/index.php/snitt/article/view/598. [Accessed: 21-Jun-2026]. C. Austin, M. Mulyadi, and S. Octaviani, "Implementasi IoT dengan ESP32 untuk Pemantauan Kondisi Suhu Secara Jarak Jauh Menggunakan MQTT pada AWS," Jurnal Elektro, vol. 15, no. 2, 2022. [Online]. Available: https://ejournal.atmajaya.ac.id/index.php/JTE/article/view/5141. [Accessed: 21-Jun-2026]. I. R. Nugraha, W. H. N. Putra, and E. Setiawan, "A comparative study of HTTP and MQTT for IoT applications in hydroponics," Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 8, no. 1, pp. 119–126, 2024, doi: 10.29207/resti.v8i1.5561. B. Dhiya' Ushofa, L. Anifah, I. G. P. A. Buditjahjanto, and Endryansyah, "Sistem Kendali Kecepatan Putaran Motor DC pada Conveyor dengan Metode Kontrol PID," Jurnal Teknik Elektro, vol. 11, no. 2, 2022. [Online]. Available: https://ejournal.unesa.ac.id/index.php/JTE/article/download/48616/40560. [Accessed: 21-Jun-2026]. A. R. Hakim, K. Harefa, and B. Widodo, "Pengembangan Sistem Informasi Akademik Berbasis Android Menggunakan Flutter di Politeknik," SCAN: Jurnal Teknologi Informasi dan Komunikasi, vol. 14, no. 3, pp. 27–32, 2019. [Online]. Available: http://ejournal.upnjatim.ac.id/index.php/scan/article/view/1684. [Accessed: 21-Jun-2026]. R. Al Hayubi, S. Aulia, D. A. Gunawan, S. Hidayatullah, and D. Aribowo, "Implementasi Sistem Penggerak Servo SG90 Berbasis Arduino Uno dengan Kontrol Sudut Dinamis," Mars: Jurnal Teknik Mesin, Industri, Elektro dan Ilmu Komputer, vol. 2, no. 6, pp. 130–140, Dec. 2024, doi: 10.61132/mars.v2i6.535.
