Budidaya burung walet merupakan salah satu komoditas bernilai tinggi yang membutuhkan kondisi lingkungan yang optimal untuk meningkatkan produksi sarang. Untuk mencapai hal ini, dikembangkan sebuah sistem kontrol dan pemantauan suhu serta kelembaban menggunakan metode fuzzy logic model Mamdani. Sistem ini menggunakan sensor suhu dan kelembaban untuk mengumpulkan data lingkungan, yang kemudian diproses oleh algoritma fuzzy untuk mengendalikan perangkat seperti kipas dan humidifier. Metode fuzzy inference model Mamdani diterapkan melalui empat tahap utama: fuzzifikasi, penerapan aturan fuzzy, inferensi fuzzy, dan defuzzifikasi. Hasil penelitian menunjukkan bahwa sistem ini efektif dalam menjaga suhu dan kelembaban ruangan budidaya burung walet baik secara otomatis maupun manual, yang pada akhirnya meningkatkan efisiensi pengelolaan lingkungan. Selain itu, sistem ini juga dikembangkan dengan antarmuka web untuk memudahkan pemantauan. Pada tahap fuzzifikasi, suhu 25°C diklasifikasikan sebagai "Normal", sementara kelembaban 54% juga berada dalam kategori "Normal". Hasil fuzzy inference menghasilkan nilai defuzzifikasi sebesar 0.447 untuk kipas dan 0.573 untuk humidifier. Berdasarkan hasil ini, kipas tetap dalam kondisi "OFF", sedangkan humidifier dinyatakan dalam kondisi "ON" Penelitian ini memberikan dasar bagi pengembangan lebih lanjut, seperti integrasi prediksi berbasis data historis untuk perencanaan yang lebih baik dan peningkatan visualisasi serta kontrol melalui aplikasi web.

Swallow farming is a high-value commodity that requires optimal environmental conditions to increase nest production. To achieve this, a temperature and humidity control and monitoring system using the Mamdani fuzzy logic model was developed. This system utilizes temperature and humidity sensors to collect environmental data, which is then processed by a fuzzy algorithm to control devices such as fans and humidifiers. The Mamdani fuzzy inference method is implemented through four main stages: fuzzification, application of fuzzy rules, fuzzy inference, and defuzzification. The research results show that this system is effective in maintaining the temperature and humidity of the swiftlet farming environment both automatically and manually, ultimately enhancing the efficiency of environmental management. Additionally, the system was also developed with a web interface to facilitate remote monitoring and control. During the fuzzification stage, a temperature of 25°C was classified as "Normal" with a membership value of 0.444, while a humidity of 54% was also categorized as "Normal" with a membership value of 0.239. The fuzzy inference results yielded a defuzzification value of 0.447 for the fan and 0.573 for the humidifier. Based on these results, the fan remained in the "OFF" state as the output value did not reach the activation threshold, whereas the humidifier was activated and remained "ON" as the output value exceeded the activation threshold. This study provides a foundation for further development, such as the integration of prediction based on historical data for better planning and enhanced visualization and control through a web application.