Wairooy, Alfaiz Muhammad Ramadhan (2024) SISTEM KENDALI MAGOT BERBASIS MACHINE LEARNING DENGAN METODE SUS DALAM MENGOPTIMALISASI LINGKUNGAN = MACHINE LEARNING BASED MAGOT CONTROL SYSTEM USING THE SUS METHOD IN OPTIMIZING THE ENVIRONMENT. Skripsi thesis, UNIVERSITAS HASANNUDDIN.
![[thumbnail of Cover]](/44083/2.hassmallThumbnailVersion/D121201090_skripsi_07-01-2025%20cover1.jpg)

D121201090_skripsi_07-01-2025 cover1.jpg
Download (300kB) | Preview
![[thumbnail of Bab 1-2]](/style/images/fileicons/text.png)
D121201090_skripsi_07-01-2025 bab 1-2.pdf
Download (1MB)
![[thumbnail of Dapus]](/style/images/fileicons/text.png)
D121201090_skripsi_07-01-2025 dp.pdf
Download (405kB)
![[thumbnail of Full Text]](/style/images/fileicons/text.png)
D121201090_skripsi_07-01-2025.pdf
Restricted to Repository staff only until 25 March 2027.
Download (3MB)
Abstract (Abstrak)
Rata-rata masyarakat Indonesia membuang limbah pangan sekitar 300 kg per tahun, yang menjadi masalah yang perlu diatasi. Salah satu solusinya adalah memanfaatkan limbah organik untuk pakan Maggot BSF (Black Soldier Fly), yang digunakan sebagai pakan alternatif ikan Lele dan membantu degradasi limbah organik. Kualitas Maggot BSF sangat dipengaruhi oleh suhu dan kelembaban ruangan. Suhu optimal untuk Maggot BSF adalah 30º-38ºC dan kelembaban 55%-75%. Suhu panas dihasilkan oleh lampu bohlam, dan pengendalian suhu yang manual bisa berisiko. Oleh karena itu, diperlukan alat untuk memonitor suhu dan kelembaban. Penelitian ini bertujuan untuk: (1) menyelidiki bagaimana penggunaan system kendali berbasis machine learning dapat meningkatkan kesejahtraan dan kesehatan magot dengan menciptakan lingkungan yang lebih optimal; dan (2) membuat sistem yang responsif terhadap perubahan kondisi lingkungan, termasuk suhu, kelembaban, dan kualitas udara, untuk mencegah dampak negative pada pertumbuhan magot. Metode yang digunakan untuk perancangan pengujian sistem ini adalah pengujian sensor DH11, pengujian seberapa efisien pertumbuhan maggot, pengujian dengan metode SUS, pengujian machine learning dalam klasifikasi maggot sakit dan sehat. Hasil dari penelitian ini menunjukkan bahwa (1) perbedaan system tradisional dengan system system kendali maggot menggunakan sensor suhu dan kelembapan memiliki selisih 6 mm pada pertumbuhan dalam rentang 48 hari dan system kendali maggot memiliki pertumbuhan yang lebih cepat dibandingkan dengan system tradisional yang dimana memiliki beda waktu sampai 7-10 hari yang berarti system kendali maggot berbasis machine learning dapat mengklasifikasikan dan mempercepat pertumbuhan yang ada pada maggot; dan (2) machine learning dapat mengklasifikasikan maggot antara maggot sehat dan maggot sakit dengan perbedaan warna, ukuran, dan gerakan, yaitu warna pada maggot sehat yaitu coklat kehitaman dan warna pada maggot sakit yaitu coklat pucat yang lebih mengarah keputih-putihan dan metode SUS (System Usability Scale) digunakan untuk mendapatkan kepuasan dari para petani dan pengembang biak maggot.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Sistem Kendali, Machine Learning, SUS, Lingkungan |
Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
Divisions (Program Studi): | Fakultas Teknik > Teknik Informatika |
Depositing User: | Unnamed user with username pkl2 |
Date Deposited: | 15 Apr 2025 01:34 |
Last Modified: | 15 Apr 2025 01:34 |
URI: | http://repository.unhas.ac.id:443/id/eprint/44083 |