KENDALI MOTOR DC PADA PENGOLAHAN LIMBAH CAIR LAUNDRY BERBASIS ESP32-S3 DAN PLATFORM THINGSBOARD
CONTROL OF DC MOTOR IN LAUNDRY LIQUID WASTE TREATMENT BASED ON ESP32-S3 AND THINGSBOARD PLATFORM
Pembuangan langsung air limbah laundry yang tidak diolah berkontribusi terhadap pencemaran lingkungan, dengan tingkat TSS (Total Suspended Solid) mencapai 600 mg/L, jauh melebihi batas 100 mg/L yang ditetapkan oleh Peraturan Gubernur Jawa Timur No. 72 tahun 2013. Penelitian ini bertujuan untuk mengembangkan sistem pengolahan otomatis menggunakan ESP32-S3 yang terintegrasi dengan sensor pH, TSS, dan suhu, dengan pemantauan secara real-time melalui platform ThingsBoard. Motor DC berfungsi sebagai pencampur dan pemberian bahan kimia. Pengujian sistem menunjukkan kontrol motor DC memiliki tingkat 100% dalam pengolahan Tingkat TSS dan 95% dalam melakukan penurunan tingkat pH. Pada transmisi data IoT, penundaan rata-rata 4 detik untuk kekeruhan dan 5 detik untuk pH. Efektivitas pemrosesan diklasifikasikan sebagai 71% “Layak,” 5% “Sangat Layak,” dan 19% “Kurang Layak.” Meskipun ada beberapa keterbatasan, sistem ini menunjukkan potensi untuk pengolahan air limbah adaptif, yang membutuhkan peningkatan lebih lanjut dalam kalibrasi sensor dan keandalan kontrol.
Kata Kunci: DC Motor, ESP32-S3, ThingsBoard, Limbah Laundry
Direct disposal of untreated laundry wastewater contributes to environmental pollution, with TSS (Total Suspended Solid) levels reaching 600 mg/L, far exceeding the 100 mg/L limit set by East Java Governor Regulation No. 72 of 2013. This research aims to develop an automated treatment system using an ESP32-S3 microcontroller integrated with pH, TSS, and temperature sensors, with real-time monitoring through the ThingsBoard platform. The DC motor serves as an actuator for the mixing and chemical feeding process. System testing showed the DC motor control had a 100% rate in processing TSS levels and 95% in reducing pH levels. On IoT data transmission, the average delay was 4 seconds for turbidity and 5 seconds for pH. Processing effectiveness was classified as 71% “Feasible,” 5% “Very Feasible,” and 19% “Less Feasible.” While there are some limitations, the system shows potential for adaptive wastewater treatment, which requires further improvements in sensor calibration and control reliability.
Keywords: DC Motor, ESP32-S3, ThingsBoard, Laundry Waste