Implementation of IoT-based Fuzzy Logic Control for Efficient and Stable Coffee Bean Drying

The drying process is a crucial stage in coffee post-harvest processing because it significantly impacts the quality of the flavor, aroma, and shelf life of the beans. Traditional drying methods (direct sun drying) often face challenges such as unstable weather, temperature fluctuations, and long drying times. This can lead to decreased coffee quality due to excessive fermentation or mold.

Developments in artificial intelligence (AI) technology are opening up new opportunities to optimize the coffee drying process. By integrating temperature and humidity sensors, along with AI algorithms such as fuzzy logic, machine learning, and neural networks, the drying process can be controlled automatically and more precisely.

The research was conducted by designing an IoT and AI-based coffee drying system. The main devices consist of:

• Sensor: DHT22 to measure the temperature and humidity of the drying chamber.

• Actuator: Heater and fan to regulate temperature and air circulation.

• Controller: Microcontroller (e.g., Arduino/ESP32) connected to an IoT server.

• AI Algorithm:

  • Fuzzy Logic is used for real-time temperature and humidity control.

  • Machine Learning (Support Vector Machine/ANN) is used to predict the final moisture content based on temperature, humidity, and drying time.

Tests were conducted by comparing drying results using the AI ​​system with conventional methods. The parameters observed were drying time, final moisture content, temperature stability, and energy consumption.

The trial results showed that the AI-based system was able to:

1. Stabilize the drying temperature within the 40–45°C range using fuzzy logic control. This resulted in a more consistent temperature compared to manual methods.

2. Accelerate drying time by 20–30% compared to traditional drying.

3. Produce a final moisture content of 12–13%, meeting coffee quality standards (SNI).

4. Save energy by 10–15% because the actuator only operates when needed.

5. The SVM-based prediction model provided high accuracy (R² > 0.98) in estimating coffee moisture content.

These results align with research by Collazos-Escobar et al. (2025), which demonstrated that the SVM model can predict coffee bean moisture sorption isotherms with over 99% accuracy. Furthermore, research by Arif (2020) also demonstrated that fuzzy logic can maintain temperature stability in a coffee rotary dryer.

The application of AI to coffee drying systems has proven effective in increasing energy efficiency, speeding up drying times, and maintaining product quality. The combination of fuzzy logic for temperature control and machine learning for moisture content prediction can be an innovative solution for coffee farmers, especially in the face of weather uncertainty.

Implementasi Kontrol Logika Fuzzy Berbasis IoT untuk Pengeringan Biji Kopi yang Efisien dan Stabil

Proses pengeringan merupakan tahapan krusial dalam pengolahan pascapanen kopi karena sangat memengaruhi kualitas rasa, aroma, dan daya simpan biji kopi. Metode pengeringan tradisional (penjemuran langsung di bawah sinar matahari) seringkali menghadapi tantangan seperti cuaca yang tidak stabil, fluktuasi suhu, dan waktu pengeringan yang lama. Hal ini dapat menyebabkan penurunan kualitas kopi akibat fermentasi yang berlebihan atau jamur.

Perkembangan teknologi kecerdasan buatan (AI) membuka peluang baru untuk mengoptimalkan proses pengeringan kopi. Dengan mengintegrasikan sensor suhu dan kelembapan, beserta algoritma AI seperti logika fuzzy, pembelajaran mesin, dan jaringan saraf tiruan, proses pengeringan dapat dikontrol secara otomatis dan lebih presisi.

Penelitian ini dilakukan dengan merancang sistem pengeringan kopi berbasis IoT dan AI. Perangkat utamanya terdiri dari:

• Sensor: DHT22 untuk mengukur suhu dan kelembapan ruang pengering.

• Aktuator: Pemanas dan kipas untuk mengatur suhu dan sirkulasi udara.

• Pengontrol: Mikrokontroler (misalnya, Arduino/ESP32) yang terhubung ke server IoT.

• Algoritma AI:

  • Logika Fuzzy digunakan untuk kontrol suhu dan kelembapan secara real-time.

  • Pembelajaran Mesin (Support Vector Machine/ANN) digunakan untuk memprediksi kadar air akhir berdasarkan suhu, kelembapan, dan waktu pengeringan.

Pengujian dilakukan dengan membandingkan hasil pengeringan menggunakan sistem AI dengan metode konvensional. Parameter yang diamati meliputi waktu pengeringan, kadar air akhir, stabilitas suhu, dan konsumsi energi.

Hasil uji coba menunjukkan bahwa sistem berbasis AI mampu:

1. Menstabilkan suhu pengeringan dalam rentang 40–45°C menggunakan kontrol logika fuzzy. Hal ini menghasilkan suhu yang lebih konsisten dibandingkan dengan metode manual.

2. Mempercepat waktu pengeringan hingga 20–30% dibandingkan pengeringan tradisional.

3. Menghasilkan kadar air akhir 12–13%, memenuhi standar mutu kopi (SNI).

4. Menghemat energi hingga 10–15% karena aktuator hanya beroperasi saat dibutuhkan.

5. Model prediksi berbasis SVM memberikan akurasi tinggi (R² > 0,98) dalam memperkirakan kadar air kopi.

Hasil ini sejalan dengan penelitian Collazos-Escobar dkk. (2025), yang menunjukkan bahwa model SVM dapat memprediksi isoterm sorpsi air biji kopi dengan akurasi lebih dari 99%. Lebih lanjut, penelitian Arif (2020) juga menunjukkan bahwa logika fuzzy dapat menjaga stabilitas suhu dalam pengering putar kopi.

Penerapan AI pada sistem pengeringan kopi telah terbukti efektif dalam meningkatkan efisiensi energi, mempercepat waktu pengeringan, dan menjaga kualitas produk. Kombinasi logika fuzzy untuk kontrol suhu dan pembelajaran mesin untuk prediksi kadar air dapat menjadi solusi inovatif bagi petani kopi, terutama dalam menghadapi ketidakpastian cuaca.

REFERENSI

• Collazos-Escobar, G. A., et al. (2025). Analysis of Machine Learning Algorithms for the Computer Simulation of Moisture Sorption Isotherms of Coffee Beans. Food and Bioprocess Technology. DOI: 10.1007/s11947-025-03785-x

• Arif, R. A. (2020). Stabilization of Coffee Drying Temperature with Fuzzy Logic Control System. Telekontran Journal.

• Cahyono, H., et al. (2021). Smart Greenhouse Coffee Dryer with Fuzzy Algorithm on IoT Platform. Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi. 

• Widodo, S., et al. (2022). Implementasi Sistem Monitoring Alat Pengering Biji Kopi Berbasis IoT. ELPOSYS: Jurnal Elektronika dan Sistem Kendali.

• Wicaksono, H., et al. (2021). Coffee Drying Tool with LQR-PID Control. Mechanical Engineering Insight Journal (MEIN). 

PT. Precision Agriculutre Indonesia adalah ekosistem digital pertanian Indonesia yang mengintegrasikan agrotech, pertanian presisi, pertanian cerdas, dan pertanian pintar melalui pemanfaatan teknologi seperti sensor pertanian, Internet of Things (IoT), kecerdasan buatan, sistem irigasi otomatis, pemupukan cerdas, dan pemantauan tanaman berbasis data real-time, serta menghadirkan layanan edukasi petani modern, digitalisasi agribisnis, pasar produk pertanian online, penguatan rantai pasok, inovasi teknologi tepat guna, dan solusi pertanian ramah lingkungan yang mendukung pertanian modern, berkelanjutan, dan berdaya saing tinggi di era Revolusi Industri 4.0.  Pertanian Presisi Indonesia