FUZZY SMART PRECISION LIVESTOCK FARMING SYSTEM DESIGN FOR CATTLE FARMING
Article Sidebar
Read Counter : 104
Download : 42
Main Article Content
Abstract
Smart Precision Livestock Farming (SPLF) System for Cattle Farms design, proposed based on Fuzzy Method. This system using the Internet of things (IoT) which can monitor the environmental conditions of cattle farms and provide real-time data loggers. It is hoped that the implementation of IoT can provide breakthroughs related to healthy maintenance, reducing workload, reducing costs, increasing productivity, increasing efficiency in resource use, improved data quality, and making decisions based on data. Along with advances in technology, research was carried out to produce a data monitoring model in the form of temperature, humidity, CO levels, ammonia gas levels, air quality, and tank water levels using the NodeMCU device, MQ-135, and DHT22 sensors in the cowshed aea with the Mamdani fuzzy intelligent system. Based on the test results in the research carried out, the calculated value of the average error for ultrasonic sensor testing was 0.423 cm. The average temperature error from the comparison of tests using the DHT22 system with a thermohygrometer calculation result obtained a value of 0.305 oC, the calculation result of the average error for humidity was 0.705 RH. The calculation results of the average CO gas error from comparing tests using the MQ-135 sensor with a gas detector obtained a value of 0.72 ppm, while the results of calculating the average error for ammonia gas from comparing tests using the MQ-135 sensor with a gas detector obtained a value of 0. 65 ppm
Abstrak
Permintaan akan produk peternakan, khususnya daging sapi, terus meningkat seiring dengan pertumbuhan populasi. Namun, peternakan sapi tradisional seringkali menghadapi berbagai tantangan seperti efisiensi yang rendah, kualitas produk tidak stabil, kesulitan dalam mengelola data, dan kontribusi terhadap perubahan iklim dan pencemaran lingkungan. Tujuan penelitian ini adalah mengembangkan sistem peternakan sapi yang cerdas dan presisi dengan memanfaatkan teknologi Internet of Things (IoT) dan logika fuzzy. Sistem ini diharapkan dapat meningkatkan efisiensi, produktivitas, dan kualitas produksi peternakan sapi secara keseluruhan. Desain sistem Smart Precision Livestock Farming (SPLF) peternakan sapi menggunakan metode fuzzy berbasis Internet of Things (IoT) ini dapat memonitoring kondisi lingkungan peternakan sapi dan menyediakan data logger secara realtime. SPLF dapat meningkatkan efisiensi, kualitas produk, dan keberlanjutan dalam peternakan sapi. Dengan mengadopsi teknologi SPLF, peternak dapat menghadapi tantangan masa depan dan memenuhi permintaan pasar yang semakin tinggi.. Untuk membantu kerja peternak, dilakukan pemantauan suhu, kelembaban, kadar karbonmonoksida (CO), level gas amonia, kualitas udara, dan level air tangki dengan menggunakan perangkat NodeMCU, sensor MQ-135 dan DHT11 pada area kandang sapi, dengan sistem cerdas fuzzy mamdani. Berdasarkan hasil pengujian pada penelitian yang dilakukan, diperoleh eror pengujian sensor ultrasonik sebesar 0,423 cm, error suhu dari perbandingan sistem DHT22 dengan termohygrometer diperoleh nilai 0,305 oC, eror kelembaban 0,705 RH, eror deteksi gas CO dari perbandingan sensor MQ-135 dengan detektor gas 0,72 ppm, sedangkan hasil perhitungan rata-rata eror gas amonia dari perbandingan pengujian menggunakan sensor MQ-135 dengan detektor gas 0,65 ppm. Dari hasil perhitungan eror sensor suhu dan gas diperoleh eror yang kecil, dalam batas yang bisa diterima. Penelitian ini memiliki potensi kontribusi dalam hal meningkatan efisiensi, penggunaan sumber daya optimal, otomatisasi tugas, peningkatan kualitas produk, pemantauan kesehatan real-time. Sistem SPLF berbasis IoT dan fuzzy ini masih memiliki banyak potensi untuk dikembangkan lebih lanjut, antara lain: integrasi dengan teknologi kecerdasan buatan dan blockchain, pengembanan fitur baru, seperti analisis genetik dan prediksi harga pasar, dan peningkatan skalabilitas
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a TESLA: Jurnal Teknik Elektro Creative Commons Attribution-ShareAlike 4.0 International License. 
References
A. Monteiro, S. Santos, and P. Gonçalves, “Precision agriculture for crop and livestock farming—Brief review,” Animals, vol. 11, no. 8, pp. 1–18, 2021, doi: 10.3390/ani11082345.
D. Berckmans, “General introduction to precision livestock farming,” Anim. Front., vol. 7, no. 1, pp. 6–11, 2017, doi: 10.2527/af.2017.0102.
P. Petrov and T. Atanasova, “Digital Twins with Application of AR and VR in Livestock Instructions,” Probl. Eng. Cybern. Robot., vol. 77, pp. 39–50, 2021, doi: 10.7546/pecr.77.21.05.
J. Arshad et al., “Deployment of Wireless Sensor Network and IoT Platform to Implement an Intelligent Animal Monitoring System,” Sustainability, vol. 14, no. 10, p. 6249, 2022, doi: 10.3390/su14106249.
I. Halachmi, M. Guarino, J. Bewley, and M. Pastell, “Smart Animal Agriculture: Application of Real-Time Sensors to Improve Animal Well-Being and Production,” Annu. Rev. Anim. Biosci., vol. 7, pp. 403–425, 2019, doi: 10.1146/annurev-animal-020518-114851.
G. H. Wibowo, M. D. Ayatullah, and J. A. Prasetyo, “Sistem Cerdas Pemantau Hewan Ternak Pada Alam Bebas Berbasis Internet of Things (Iot),” J. Eltek, vol. 17, no. 2, p. 18, 2019, doi: 10.33795/eltek.v17i2.188.
D. Rahmawati, “Pengujian Monitoring On-Line Rumah Kaca Cerdas Berbasis Android,” Cyclotron, vol. 2, no. 1, 2019, doi: 10.30651/cl.v2i1.2529.
Y. Z. Sumarno, S. Sumaryo, and N. Prihatiningrum, “Desain Dan Implementasi Sistem Monitoring Kesehatan Ternak Domba Berdasarkan Suhu Tubuh Dan Detak Jantung Berbasis Iot,” TESLA J. Tek. Elektro, vol. 25, no. 1, pp. 25–36, 2023, doi: 10.24912/tesla.v25i1.22063.
H. Supriyono, U. Bimantoro, and K. Harismah, “Sistem Portable Machine To Machine Untuk Pemantauan Kualitas Udara Dan Lingkungan (Studi Kasus Pada Kandang Ayam),” 10th Univ. Res. Colloqium, pp. 70–83, 2019, [Online]. Available: http://repository.urecol.org/index.php/proceeding/article/download/790/773.
I. Gunawan, H. Ahmadi, and M. R. Said, “Rancang Bangun Sistem Monitoring Dan Pemberi Pakan Otomatis Ayam Anakan Berbasis Internet Of Things (IoT),” Infotek J. Inform. dan Teknol., vol. 4, no. 2, pp. 151–162, 2021, doi: 10.29408/jit.v4i2.3562.
I. N. Aziza, “Smart Farming Untuk Peternakan Ayam,” J. Teknol. Inf. dan Komun., vol. 9, no. 1, pp. 36–40, 2019.
B. D. S. Muslim Mubarok, Bambang Minto B, “Model Otomatisasi Monitoring Kandang Untuk Peternakan Kambing Berbasis Arduino Mega 2560,” J. Chem. Inf. Model., vol. 13, pp. 3–7, 2021.
K. B. Swain, S. Mahato, M. Patro, and S. K. Pattnayak, “Cattle health monitoring system using Arduino and LabVIEW for early detection of diseases,” Proc. 2017 3rd IEEE Int. Conf. Sensing, Signal Process. Secur. ICSSS 2017, no. May, pp. 79–82, 2017, doi: 10.1109/SSPS.2017.8071569.
A. Tresna Utama, A. Panji Sasmito, and A. Faisol, “Implementasi Logika Fuzzy Pada Sistem Monitoring Online Suhu Sapi Potong Berbasis Iot,” JATI (Jurnal Mhs. Tek. Inform., vol. 5, no. 1, pp. 16–24, 2021, doi: 10.36040/jati.v5i1.3226.
M. Meenakshi and S. S. Kharde, “Advance Cattle Health Monitoring System Using Arduino and IOT,” vol. 5, no. 4, pp. 3365–3370, 2017.