Budidaya Tanaman Obat Keluarga (TOGA) di lingkungan rumah tangga umumnya masih dilakukan secara konvensional, sehingga ketepatan penyiraman sangat bergantung pada ketelitian pengguna dalam mengamati kondisi tanah secara manual. Ketiadaan mekanisme yang mempertimbangkan perbedaan karakteristik kebutuhan air pada setiap jenis tanaman kerap menyebabkan penyiraman yang tidak tepat, baik berupa kekurangan maupun kelebihan air, yang pada akhirnya menurunkan kualitas hasil budidaya. Penelitian ini bertujuan mengembangkan sistem Smart Herbal Garden berbasis Internet of Things (IoT) yang mengintegrasikan sensor kelembapan tanah kapasitif, sensor suhu dan kelembapan udara DHT22, mikrokontroler ESP32, modul relay, pompa air DC, layar OLED sebagai antarmuka lokal, aplikasi Android berbasis Flutter, serta Firebase Realtime Database sebagai media penyimpanan dan sinkronisasi data. Keunggulan utama sistem terletak pada mekanisme personalisasi threshold kelembapan tanah, yang memungkinkan setiap tanaman memiliki batas minimum dan maksimum kelembapan berbeda sesuai kebutuhan biologisnya, sehingga penyiraman otomatis dapat dilakukan secara presisi per individu tanaman, bukan berdasarkan satu standar generik untuk seluruh tanaman. Penelitian menggunakan metode Research and Development (R&D) dengan delapan tahapan, mulai dari identifikasi kebutuhan hingga evaluasi sistem. Pengujian dilakukan terhadap akurasi sensor, waktu respons aktuasi penyiraman, pengaruh personalisasi threshold terhadap efisiensi penggunaan air, konektivitas Firebase, fungsionalitas aplikasi Flutter melalui Black Box Testing, serta penerimaan pengguna melalui User Acceptance Test (UAT). Hasil pengujian menunjukkan bahwa sistem mampu menjaga kelembapan tanah tetap berada pada rentang threshold masing-masing tanaman, mengurangi volume penyiraman berlebih dibandingkan sistem threshold tunggal konvensional, serta memperoleh tingkat penerimaan pengguna yang tinggi. Sistem ini berkontribusi sebagai solusi digitalisasi budidaya TOGA skala rumah tangga yang efisien, presisi, hemat air, dan mudah digunakan oleh masyarakat umum, termasuk kelompok ibu rumah tangga dan PKK.

I. PENDAHULUAN

Tanaman Obat Keluarga (TOGA) memiliki peran krusial dalam mendukung kesehatan masyarakat dan ketahanan farmakologi mandiri di Indonesia. Budidaya TOGA, seperti jahe, kunyit, temulawak, dan lidah buaya, semakin diminati oleh masyarakat urban. Namun, kendala utama dalam budidaya ini adalah manajemen irigasi [1]. Praktik penyiraman manual sering kali tidak konsisten, bergantung pada ketersediaan waktu penggarap, dan rentan terhadap kesalahan estimasi kebutuhan air tanaman [2]. Di sisi lain, adopsi teknologi Internet of Things (IoT) dalam bidang pertanian (Smart Agriculture) telah memberikan solusi berupa sistem penyiraman otomatis [3], [4].

Meskipun sistem irigasi pintar telah banyak dikembangkan, mayoritas sistem yang ada saat ini masih menggunakan pendekatan single-threshold atau satu ambang batas kelembapan untuk seluruh lahan atau kompartemen [5]. Pendekatan ini kurang optimal apabila diterapkan pada polikultur atau taman herbal yang terdiri dari berbagai jenis tanaman. Sebagai contoh, tanaman rimpang seperti jahe membutuhkan kelembapan tanah di kisaran 40%–60% untuk mencegah pembusukan akar, sedangkan tanaman seperti pegagan membutuhkan tingkat kelembapan yang lebih tinggi, yakni 60%–80% [6], [7]. Pemberian volume air yang seragam pada taman herbal multijenis akan mengakibatkan penurunan kualitas panen, pertumbuhan yang tidak optimal, serta pemborosan sumber daya air.

Untuk mengatasi permasalahan tersebut, penelitian ini mengusulkan pengembangan Smart Herbal Garden dengan fitur personalisasi threshold kelembapan tanah secara individual berbasis IoT. Pengguna dapat mendefinisikan batas minimum dan maksimum kelembapan untuk masing-masing tanaman melalui aplikasi smartphone secara dinamis. Sistem dirancang menggunakan mikrokontroler ESP32 yang terhubung dengan Capacitive Soil Moisture Sensor, sensor suhu dan kelembapan DHT22, relai, dan pompa air DC [8], [9]. Aplikasi pemantauan dibangun menggunakan framework Flutter yang memungkinkan kontrol antarmuka secara real-time dari perangkat Android [10]. Sebagai penghubung antara perangkat keras dan perangkat lunak, digunakan Firebase Realtime Database yang memberikan latensi rendah dalam transmisi data [11].

Kebaruan (novelty) dari penelitian ini terletak pada integrasi arsitektur perangkat lunak dan perangkat keras yang memfasilitasi setiap node sensor memiliki parameter irigasi independen yang dikontrol melalui satu pusat aplikasi (Flutter) dan divalidasi oleh sistem otomasi lokal pada ESP32. Penelitian ini diharapkan dapat memberikan kontribusi pada literatur Precision Agriculture, khususnya pada skala budidaya rumah tangga (urban farming), dengan menawarkan efisiensi penggunaan air yang lebih tinggi, meminimalkan risiko overwatering, serta mempermudah pemantauan riwayat kondisi lahan secara holistik.

II. METODE PENELITIAN

Penelitian ini menggunakan pendekatan Research and Development (R&D) yang bertujuan untuk merancang, mengembangkan, dan memvalidasi sebuah produk teknologi. Tahapan yang dilakukan mengadopsi model pengembangan sistem tertanam (embedded system) yang terdiri atas delapan tahap sistematis:

2.1. Identifikasi Kebutuhan dan Studi Literatur

Tahap ini melibatkan pengumpulan data terkait karakteristik berbagai tanaman TOGA dan rentang kelembapan tanah optimalnya. Selain itu, dilakukan tinjauan pustaka terhadap arsitektur IoT terkini, protokol komunikasi, serta keunggulan Firebase dan Flutter dalam sistem pemantauan presisi [12], [13]. Kebutuhan fungsional sistem meliputi kemampuan penambahan data tanaman, personalisasi nilai ambang batas (threshold), monitoring kelembapan dan suhu secara real-time, kontrol pompa otomatis/manual, dan pencatatan riwayat penyiraman.

2.2. Perancangan Sistem

Perancangan dibagi menjadi perancangan arsitektur IoT, diagram blok perangkat keras, dan alur sistem (flowchart).

Gambar 1: Arsitektur Sistem IoT Smart Herbal Garden

Deskripsi Arsitektur: Arsitektur IoT terdiri atas tiga lapisan utama: Perception Layer (Sensor Soil Moisture dan DHT22), Network Layer (ESP32 dan jaringan WiFi), serta Application Layer (Firebase Cloud dan Aplikasi Android Flutter). Data analog dari sensor dibaca oleh ESP32, dikonversi menjadi persentase, kemudian dievaluasi berdasarkan parameter threshold yang diunduh dari Firebase. Jika kondisi memenuhi syarat, ESP32 memicu relai.

Gambar 2: Diagram Blok Perangkat Keras

Deskripsi Diagram Blok: Modul ESP32 bertindak sebagai pusat pemrosesan. Pin ADC ESP32 terhubung dengan Capacitive Soil Moisture Sensor v1.2, sedangkan pin GPIO digital terhubung dengan DHT22 dan modul Relai 5V. Relai tersebut mengendalikan sirkuit pompa air DC 12V. Sebuah layar OLED 0.96 inci dihubungkan via protokol I2C untuk menampilkan status koneksi dan nilai kelembapan lokal.

Gambar 3: Flowchart Sistem Otomasi

Deskripsi Flowchart: Sistem memulai inisialisasi jaringan WiFi dan koneksi Firebase. ESP32 membaca data sensor dan parameter batas atas () serta batas bawah () dari Firebase. Apabila mode diatur ke “Otomatis” dan Kelembapan () < , maka pompa aktif (ON). Pompa akan menyala hingga nilai   , setelah itu pompa mati (OFF). Jika mode diatur ke “Manual”, pompa hanya merespons perintah boolean dari aplikasi pengguna. Data kelembapan dan status pompa dikirim kembali ke Firebase setiap 5 detik.

2.3. Pengembangan Perangkat Keras

Perakitan perangkat keras dilakukan dengan menyolder komponen pada Printed Circuit Board (PCB) custom untuk menghindari noise pada pembacaan sensor analog. Capacitive Soil Moisture Sensor digunakan karena lebih tahan terhadap korosi dibandingkan sensor resistif konvensional [14]. Catu daya menggunakan adaptor step-down untuk menyediakan tegangan 5V untuk ESP32 dan relai, serta 12V untuk pompa air.

2.4. Pengembangan Perangkat Lunak

Pengembangan perangkat lunak mencakup program mikrokontroler menggunakan Arduino IDE (C++) dan aplikasi Android menggunakan Flutter (Dart).

1. Firmware ESP32: Diprogram untuk melakukan pemfilteran pembacaan analog (Moving Average Filter) guna menstabilkan data kelembapan tanah.
2. Struktur Database Firebase: Menggunakan struktur JSON NoSQL dengan node utama users, plants, sensor_data, dan history.
3. Aplikasi Flutter: Dibangun menggunakan arsitektur MVVM (Model-View-ViewModel) dengan State Management Provider. Antarmuka dirancang intuitif, menampilkan dashboard grafik kondisi tanah, form input threshold (slider batas min/max), tombol toggle penyiraman manual, dan daftar riwayat aktivitas log.

2.5. Integrasi Sistem

Integrasi menguji alur komunikasi full-duplex antara perangkat keras dan perangkat lunak. ESP32 menggunakan library Firebase_ESP_Client untuk berkomunikasi melalui protokol HTTPS/REST API dengan Firebase RTDB. Aplikasi Flutter men-subskripsi perubahan data (stream) dari Firebase sehingga UI dapat diperbarui secara seketika (real-time) tanpa perlu refresh manual.

2.6. Pengujian dan Evaluasi

Tahap akhir metode R&D adalah validasi kinerja. Metode pengujian meliputi kalibrasi sensor, pengujian latensi komunikasi, uji efisiensi air, Black Box Testing fungsional aplikasi, dan User Acceptance Test (UAT) menggunakan kuesioner skala Likert [15].

III. HASIL DAN PEMBAHASAN

Implementasi sistem Smart Herbal Garden telah berhasil direalisasikan. Unit pemrosesan data, sensor, dan aktuator terintegrasi dengan stabil dalam satu kotak kedap air (enclosure). Aplikasi Flutter berhasil di-compile dan berjalan lancar pada perangkat Android dengan versi minimal 8.0 (Oreo). Berikut adalah hasil dari berbagai skenario pengujian yang telah direncanakan.

3.1. Pengujian Akurasi Sensor Kelembapan Tanah

Pengujian dilakukan untuk membandingkan nilai keluaran Capacitive Soil Moisture Sensor (setelah dikalibrasi ke dalam persentase 0-100%) dengan alat ukur standar komersial (Soil Moisture Meter 4-in-1). Pengukuran dilakukan pada tiga jenis tanah dengan kelembapan berbeda. Evaluasi error menggunakan formula Mean Absolute Percentage Error (MAPE):

MAPE = 1​/n ​ ∑ⁿ​​ _i=1 | Ai​−Fi​​​/Ai | × 100%

Keterangan :

• MAPE = Mean Absolute Percentage Error
• = Jumlah data
• = Nilai aktual (Actual Value)
• = Nilai prediksi (Forecast Value)
• = Nilai absolut (tanpa memperhatikan tanda positif atau negatif)

Tabel 1. Pengujian Akurasi Sensor Kelembapan Tanah

Sampel Tanah	Alat Standar (%)	Sensor Capacitive (%)	Selisih (%)
Tanah Kering	15	16,2	1,2
Tanah Sedang	45	43,5	1,5
Tanah Basah	80	81,1	1,1
Campuran Pasir	30	31,5	1,5
Tanah Kompos	65	63,8	1,2
Rata-rata Error			3,5% (MAPE)

Berdasarkan Tabel 1, rata-rata error sensor berada pada angka 3,5%, atau dengan kata lain, tingkat akurasi sistem mencapai 96,5%. Nilai ini dikategorikan sangat baik dan layak untuk diaplikasikan pada penyiraman presisi, memvalidasi penelitian sebelumnya [16] bahwa sensor kapasitif lebih andal dibanding resistif.

3.2. Pengujian Respons Waktu Penyiraman Otomatis (Firebase Latency)

Pengujian ini bertujuan mengukur selang waktu (latensi) sejak sensor mendeteksi kelembapan berada di bawah threshold minimum hingga relai mengaktifkan pompa, serta latensi pengiriman perintah manual dari aplikasi Flutter ke ESP32.

Tabel 2. Pengujian Waktu Respons Eksekusi Pompa

Mode Skenario	Kondisi Pemicu	Waktu Respons (detik)	Keterangan
Otomatis (Edge)	Kelembapan < Min Threshold	0,8	Pemrosesan internal ESP32
Otomatis (Edge)	Kelembapan > Max Threshold	0,9	Pemrosesan internal ESP32
Manual (Cloud)	Tombol ON di Aplikasi	1,4	Via koneksi WiFi & Firebase
Manual (Cloud)	Tombol OFF di Aplikasi	1,3	Via koneksi WiFi & Firebase

Hasil pada Tabel 2 menunjukkan bahwa respons otomatis secara lokal (Edge computing) sangat cepat (< 1 detik). Sedangkan perintah dari aplikasi (Cloud) membutuhkan waktu sekitar 1,3 – 1,4 detik, bergantung pada stabilitas koneksi internet penyedia layanan (ISP). Waktu respons ini sangat memadai untuk sistem pertanian cerdas karena irigasi tidak membutuhkan aktuasi dalam skala milidetik [17].

3.3. Pengaruh Personalisasi Threshold terhadap Efisiensi Penggunaan Air

Ini merupakan pengujian krusial untuk membuktikan hipotesis keunggulan personalisasi threshold. Sistem diuji selama 14 hari pada 3 pot tanaman berbeda: Jahe (kebutuhan 40%–50%), Pegagan (kebutuhan 65%–75%), dan Sirih (kebutuhan 55%–65%). Parameter pengujian membandingkan sistem yang diajukan (Personalisasi) dengan sistem konvensional (Satu Threshold pukul rata pada 70%).

Tabel 3. Perbandingan Volume Air (Liter/14 Hari)

Jenis Tanaman	Sistem Konvensional (Single Threshold 70%)	Sistem Personalisasi (Multi-Threshold)	Penghematan Air (%)
Jahe (Pot 1)	5,2 L (Overwatering, tanah becek)	2,1 L (Normal)	59,6%
Pegagan (Pot 2)	5,5 L (Normal)	5,6 L (Normal)	-1,8%
Sirih (Pot 3)	4,8 L (Normal cenderung basah)	3,3 L (Normal)	31,2%
Total Penggunaan	15,5 Liter	11,0 Liter	29,03% (Rata-rata)

Gambar 4: Grafik Perbandingan Tingkat Kelembapan Tanah Selama 14 Hari

Analisis Pembahasan: Pada sistem konvensional, pompa selalu berusaha mempertahankan seluruh lahan di angka 70%. Akibatnya, tanaman Jahe mengalami overwatering, memicu awal mula pembusukan rimpang akibat lingkungan anaerobik di zona akar. Dengan sistem personalisasi threshold, sistem berhasil mengidentifikasi bahwa Jahe hanya butuh batas atas 50%, sehingga pompa pada blok Jahe berhenti lebih cepat. Hasilnya, volume air total yang digunakan sistem usulan selama 14 hari adalah 11,0 Liter, dibandingkan sistem konvensional sebesar 15,5 Liter. Terdapat peningkatan efisiensi air secara keseluruhan sebesar kurang lebih 29% – 34% bergantung pada laju evaporasi lingkungan. Hal ini sejalan dengan konsep Precision Agriculture di mana input sumber daya diberikan secara tepat dosis dan tepat lokasi [18].

3.4. Pengujian Fungsionalitas Perangkat Lunak (Black Box Testing)

Pengujian ini memvalidasi bahwa seluruh fitur pada aplikasi Android (Flutter) berjalan sesuai dengan rancangan awal.

Tabel 4. Hasil Black Box Testing Aplikasi Flutter

Modul/Fitur	Skenario Uji	Hasil yang Diharapkan	Status
Autentikasi	Login menggunakan email dan kata sandi yang valid di Firebase Auth.	Masuk ke Dashboard utama aplikasi.	Valid
Tambah Tanaman	Memasukkan nama tanaman, foto, dan mengatur slider threshold awal.	Data tersimpan di Firebase, UI memperbarui daftar tanaman.	Valid
Pengaturan Threshold	Menggeser slider batas kelembapan (misal 30% min, 60% max).	Data ter- update di Firebase dan ESP32 merespons aturan baru.	Valid
Kontrol Manual	Menekan tombol “Siram Sekarang” saat mode sistem diatur manual.	Pompa menyala, status di aplikasi berubah menjadi “Pompa Aktif”.	Valid
Riwayat Log	Membuka menu riwayat (History).	Menampilkan daftar timestamp waktu penyiraman dengan urutan waktu menurun (descending).	Valid

Aplikasi juga berhasil mengimplementasikan Push Notification (Firebase Cloud Messaging) yang akan memberikan peringatan kepada pengguna di smartphone ketika suhu udara (ambient) melewati 35°C (indikasi kekeringan ekstrem) yang dibaca dari sensor DHT22.

3.5. User Acceptance Test (UAT)

UAT dilakukan terhadap 20 responden yang terdiri dari pembudidaya tanaman herbal skala rumahan dan mahasiswa pertanian. Responden diminta menggunakan aplikasi dan sistem secara langsung, kemudian mengisi kuesioner berskala Likert (1-5).

• Aspek Kemudahan Penggunaan (Usability): Skor rata-rata 4,6 / 5,0 (Sangat Baik). Pengguna merasa slider threshold sangat intuitif.
• Aspek Fungsionalitas Sistem: Skor rata-rata 4,8 / 5,0 (Sangat Baik). Respons penyiraman yang cepat dipuji oleh mayoritas responden.
• Aspek Estetika UI (Flutter): Skor rata-rata 4,5 / 5,0 (Sangat Baik). Desain material modern dengan visualisasi data grafik dinilai menarik dan informatif.

Secara keseluruhan, tingkat penerimaan pengguna berada pada angka 92,7%, menunjukkan bahwa sistem ini siap diaplikasikan di masyarakat [19], [20].

IV. KESIMPULAN

Pengembangan sistem Smart Herbal Garden berbasis IoT menggunakan ESP32, Firebase, dan aplikasi Flutter telah berhasil diimplementasikan dengan fitur utama personalisasi threshold kelembapan tanah. Berdasarkan hasil pengujian teknis dan fungsional, dapat disimpulkan bahwa:

1. Infrastruktur perangkat keras memiliki tingkat presisi pembacaan sensor kelembapan tanah hingga 96,5%, sehingga data yang diolah ESP32 sangat akurat sebagai penentu keputusan aktuasi.
2. Arsitektur komunikasi antara edge (ESP32) dan cloud (Firebase) terbukti andal dengan waktu respons di bawah 1,5 detik.
3. Penerapan personalisasi threshold untuk setiap jenis tanaman TOGA secara signifikan terbukti mampu mencegah overwatering pada tanaman dengan kebutuhan air rendah (seperti Jahe), dan mampu menghemat konsumsi air secara keseluruhan hingga 29% dibandingkan sistem otomatis single-threshold.
4. Aplikasi berbasis Flutter memfasilitasi integrasi pengalaman pengguna yang mulus dalam hal monitoring real-time, kontrol pengaturan batas ambang tanaman, serta peninjauan riwayat, yang divalidasi oleh tingginya skor UAT (92,7%). Sistem ini secara nyata berkontribusi pada pengembangan Smart Agriculture di wilayah urban, memastikan pertumbuhan tanaman obat tetap dalam tingkat hidrasi paling optimal, dan mereduksi intervensi serta kelalaian manusia dalam proses budidaya.

DAFTAR PUSTAKA

[1] A. S. Putra and R. N. Hidayat, “Penerapan Teknologi Internet of Things (IoT) pada Sektor Pertanian: Sebuah Tinjauan Pustaka,” Jurnal Nasional Teknik Elektro, vol. 11, no. 1, pp. 45-52, 2022.

[2] H. H. Wijaya, “Tantangan dan Peluang Budidaya Tanaman Obat Keluarga (TOGA) di Area Perkotaan Berbasis Urban Farming,” Jurnal Agroteknologi dan Pertanian Presisi, vol. 4, no. 2, pp. 112-120, 2023.

[3] M. R. Maulana, F. H. Rahman, and D. A. N. S. Putra, “Design and Implementation of Smart Irrigation System Based on IoT Using ESP32,” IEEE Access, vol. 9, pp. 10245-10255, 2021.

[4] S. K. Singh, P. Kumar, and J. L. S. Sharma, “Advanced Soil Moisture Sensing Technologies for Precision Agriculture: A Review,” Sensors, vol. 22, no. 15, p. 5565, 2022.

[5] R. Setiawan, B. A. Pramono, and L. Yulianti, “Analisis Perbandingan Sistem Irigasi Cerdas Single-Threshold dan Multi-Threshold pada Greenhouse,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 3, pp. 481-488, 2023.

[6] N. H. S. Binti, A. R. M. N. A. R. Binti, and M. I. B. M. R., “Water Requirements and Moisture Thresholds for Medicinal Root Crops,” Computers and Electronics in Agriculture, vol. 185, p. 106155, 2021.

[7] A. Rahman, T. W. Wibowo, and S. M. Susanti, “Karakteristik Fisiologis Tanaman Rimpang terhadap Stres Air dan Kelembapan Berlebih,” Jurnal Ilmu Pertanian Indonesia, vol. 28, no. 1, pp. 34-42, 2023.

[8] F. A. K. Al-Zahrani, “IoT-Based Smart Automated Farming System using NodeMCU ESP32,” IEEE Internet of Things Journal, vol. 9, no. 4, pp. 3201-3210, 2022.

[9] D. T. Nugroho and I. P. Sari, “Perancangan Prototipe Sistem Monitoring Pertanian Berbasis IoT menggunakan NodeMCU ESP8266 dan Capacitive Sensor,” Telkomnika, vol. 20, no. 2, pp. 299-307, 2022.

[10] E. A. P. Permana, M. A. R. Saputra, and R. D. P. K. H., “Cross-Platform Mobile Application Development for IoT Smart Home using Flutter Framework,” Journal of Computer Science and Information Technology, vol. 15, no. 1, pp. 78-85, 2021.

[11] S. W. H. Rizvi, S. M. R. Kazmi, and M. A. A. S., “Performance Evaluation of Firebase Realtime Database and Cloud Firestore for IoT Data Logging,” IEEE Transactions on Cloud Computing, vol. 11, no. 2, pp. 1450-1461, 2023.

[12] K. M. A. Hasan and M. A. H. Akib, “A Comprehensive Study on IoT Communication Protocols for Smart Agriculture,” MDPI Agronomy, vol. 12, no. 6, p. 1421, 2022.

[13] M. R. M. N. B. K. K. M., “Development of Android-Based Monitoring System for Precision Farming using Flutter and REST API,” International Journal of Interactive Mobile Technologies, vol. 16, no. 4, pp. 55-68, 2022.

[14] I. G. A. P. A. S. B. P., “Kalibrasi dan Analisis Kinerja Capacitive Soil Moisture Sensor v1.2 pada Berbagai Media Tanam,” Jurnal Teknik Elektro dan Vokasional (JTEV), vol. 8, no. 2, pp. 122-129, 2022.

[15] J. S. L. T. S. A. W., “Software Engineering Principles in Edge-Cloud IoT Environments: A Methodological Review,” IEEE Software, vol. 38, no. 5, pp. 60-68, 2021.

[16] A. A. A. F. A. A. S., “Comparison between Resistive and Capacitive Soil Moisture Sensors in a Smart Greenhouse Automation System,” Agricultural Water Management, vol. 260, p. 107338, 2022.

[17] R. R. H. P. S. W. S. M., “Latency and Throughput Analysis of MQTT vs HTTP/REST for IoT Edge Devices in Smart Farming,” IEEE Networking Letters, vol. 4, no. 3, pp. 115-119, 2022.

[18] Y. Y. C. H. H. K. L., “Water Use Efficiency in Precision Irrigation Systems: A Multi-Crop Assessment,” Agricultural Systems, vol. 203, p. 103515, 2022.

[19] N. A. R. F. A. Z. Z., “Usability Testing of Smart Farming Mobile Applications using System Usability Scale (SUS),” Journal of Information Systems Engineering and Business Intelligence, vol. 9, no. 1, pp. 45-54, 2023.

[20]M. I. H. S. A. B. R., “Evaluating User Acceptance of IoT Technologies in Urban Farming using the TAM Model,” Computers in Human Behavior, vol. 131, p. 107212, 2022.