Kebisingan yang berlebihan di dalam perpustakaan dapat mengganggu konsentrasi dan kenyamanan pengguna. oleh karena itu, dibutuhkan sistem yang mampu mendeteksi dan memantau tingkat kebisingan secara real-time serta memberikan peringatan kepada pengelola secara otomatis. penelitian ini bertujuan untuk mengembangkan prototipe sistem deteksi kebisingan berbasis internet of things (iot) yang dapat mengklasifikasikan tingkat kebisingan menggunakan metode fuzzy tsukamoto dan menyampaikan peringatan melalui notifikasi whatsapp serta pemantauan data melalui aplikasi blynk. perangkat keras sistem terdiri dari mikrokontroler esp32 dan sensor gy-max4466 sebagai pendeteksi tingkat kebisingan. data kebisingan diproses menggunakan logika fuzzy untuk menentukan status kondisi lingkungan dalam tiga kategori yaitu, tenang, peringatan, dan kebisingan tinggi. hasil klasifikasi dikirimkan ke pengguna melalui dua platform yaitu, whatsapp melalui api callmebot dan aplikasi blynk iot untuk pemantauan jarak jauh secara real-time. hasil pengujian menunjukkan bahwa sistem berhasil mendeteksi kebisingan dengan tingkat akurasi rata-rata mencapai 99,405%. selain itu, sistem berhasil mengirimkan notifikasi whatsapp dengan waktu penerimaan kisaran 1–10 detik dengan tingkat akurasi 100%. pengujian pada aplikasi blynk juga menunjukkan akurasi pengiriman data sebesar 100%, dengan nilai latency berkisar antara 68–70 ms dan tanpa packet loss. dengan demikian, sistem yang dikembangkan terbukti efektif, responsif, dan layak digunakan sebagai alat bantu monitoring kebisingan berbasis iot di lingkungan perpustakaan. kata kunci: kebisingan, fuzzy tsukamoto, internet of things, perpustakaan

Excessive noise the library can disrupt the concentration and comfort of users therefore, a system is needed that can detect and monitor the noise levels in realtime and automatically provide warnings to the management this research aims to develop a prototype of an internet of things (i0t) based noise detection system that can classify the noise levels by using the fuzzy tsukamoto method and deliver alerts via whatsapp notifications as well as monitor data through the blynk application. the hardware of the system consists of an esp32 microcontroller and a gy-max4466 sensor as a noise level detector. the noise data is processed using fuzzy logic to determine the environmental condition status into three categories. quiet, warmng, and high noise, the classification results are sent to users through two platforms whatsapp via the callmebot api and the blynk iot application for remote real-time monitoring. the test results showed that the system successfully detects noise with an average accuracy of 99.405%. in addition, the system successfully sends whatsapp notifications with a reception time ranging from 1 to 10 seconds and an accuracy rate of 100% testing on the blynk application also showed a data sending accuracy of 100%, with latency values ranging from 68 to 70 ms and no packet loss. therefore, the developed system has proven to be effective, responsive, and suitable for use as an iot-based noise monitonng tool in library environments. keywords: noise, fuzzy tsukamoto, internet of things, gy-max4466, library