Langkah Demi Langkah: Cara Kerja Otomatisasi Budidaya Jangkrik dengan Sensor dan Pemrosesan Citra

-

Budidaya jangkrik dikenal sebagai salah satu usaha yang menguntungkan, terutama karena tingginya kebutuhan protein alternatif untuk pakan ternak. Namun, permasalahan klasik yang sering muncul adalah ketidakstabilan suhu, kelembapan, dan penumpukan gas amonia yang muncul saat ada jangkrik mati. Dari sinilah ide untuk membuat sistem otomatis berbasis IoT dan pemrosesan citra (CNN) bermula.

Tujuan utama proyek ini adalah menghadirkan sebuah sistem yang mampu memantau kondisi kandang secara real time, sekaligus mendeteksi keberadaan jangkrik mati agar dapat dipisahkan secara otomatis menggunakan conveyor.

Di artikel ini, Anda akan melihat gambaran lengkap perjalanan sistem, mulai dari konsep awal, desain, hingga hasil pengujian yang diperoleh.

1. Latar Belakang Proyek

Permasalahan terbesar pada budidaya jangkrik berasal dari:

  • suhu dan kelembapan yang berubah-ubah,

  • penumpukan amonia jika bangkai tidak segera dibersihkan,

  • sulitnya memantau kondisi kandang secara terus-menerus.

Di sinilah teknologi berperan. Dengan memanfaatkan sensor IoT (DHT22 dan MQ135) serta kamera ESP32-CAM, kondisi kandang bisa dipantau kapan saja. Lalu, metode Convolutional Neural Network (CNN) MobileNetV2 digunakan untuk mengidentifikasi jangkrik mati melalui analisis citra.

Sistem ini bukan hanya memantau, tetapi mengambil tindakan otomatis:
jika terdeteksi bangkai, conveyor akan bergerak untuk membuangnya.

2. Sistem dan Arsitektur IoT

Sistem IoT yang dikembangkan terdiri dari beberapa komponen utama:

Sensor

  • DHT22 → mengukur suhu & kelembapan.

  • MQ135 → mendeteksi kadar gas amonia.

  • ESP32-CAM → mengambil gambar untuk dianalisis.

Aktuator

  • Motor DC + Driver L298N untuk menggerakkan conveyor.

  • Servo SG90 untuk membuka jalur pembuangan.

  • Mist Maker + Lampu (opsional) untuk menjaga kelembapan dan suhu.

Platform Pendukung

  • Firebase sebagai jembatan data IoT.

  • Server lokal PHP untuk mengatur pengiriman dan eksekusi CNN.

  • Model CNN MobileNetV2 untuk klasifikasi jangkrik hidup/mati.

3. Cara Kerja Sistem

Sistem bekerja dalam dua mode: otomatis dan manual.

Mode Otomatis

  • Sensor membaca data lingkungan.

  • Jika kelembapan < 65%, mist maker aktif.

  • Jika amonia > 43ppm, conveyor aktif.

  • Kamera mengambil gambar berkala, mengirim ke server, dan dianalisis CNN.

  • Jika CNN mendeteksi bangkai → conveyor bergerak otomatis.

Mode Manual

Pengguna dapat:

  • memulai proses CNN secara langsung,

  • menjalankan conveyor,

  • memantau data sensor pada aplikasi.

Deskripsi Gambar Tambahan

  • Diagram Alir Aplikasi Android:
    Dashboard → Menu Suhu/Kelembapan → Gas Amonia → CrickVision (CNN) → Kontrol Conveyor.

4. Dataset & CNN

Model CNN menggunakan arsitektur MobileNetV2, dipilih karena ringan dan cocok untuk perangkat IoT.

Dataset terdiri dari:

  • kelas jangkrik hidup,

  • kelas jangkrik mati,

  • diambil menggunakan ESP32-CAM dari berbagai posisi & sudut.

5 gambar per sesi

ESP32-CAM mengambil 5 gambar berurutan, lalu dianalisis:

  • jika bounding box bergerak antar frame → jangkrik hidup

  • jika tetap → dianggap mati

Pendekatan ini meningkatkan akurasi karena tidak hanya melihat satu frame saja.

5. Analisa Pengujian Sistem

5.1 Pengujian Sensor

Sensor DHT22:

  • galat suhu rata-rata: 0,62°C

  • galat kelembapan: 15,43%

Sensor MQ135:

  • tanpa bangkai → 18,68 ppm

  • dengan bangkai → 67,58 ppm

  • setelah conveyor membuang bangkai → turun ke 38,29 ppm

Ini membuktikan MQ135 mampu mendeteksi keberadaan bangkai dengan baik.

5.2 Pengujian CNN

CNN MobileNetV2 menghasilkan akurasi:

✔ Akurasi: 92,5%

Model mampu mengenali jangkrik mati menggunakan logika pergerakan frame, bukan hanya warna/tekstur.

5.3 Pengujian Conveyor

Waktu pembuangan ketika bangkai dideteksi:

  • respon sensor → conveyor: cepat

  • hasil pembuangan → efektif, bangkai terbuang dari kandang

Conveyor dan servo bekerja sinkron.

6. Pembahasan

Hasil pengujian menunjukkan:

  1. Sensor bekerja stabil dalam memonitor lingkungan.

  2. ESP32-CAM cukup baik dalam menangkap detail jangkrik untuk CNN.

  3. CNN sangat membantu dalam otomatisasi, karena deteksi manual melalui mata manusia cukup sulit.

  4. Conveyor terbukti mengurangi amonia setelah pembuangan bangkai.

Sistem mampu berfungsi sebagai prototipe smart farming sederhana namun efektif.

7. Tantangan Implementasi

Beberapa hambatan yang ditemukan selama proses:

1) Akurasi kelembapan DHT22 cukup sensitif

Lingkungan yang terlalu lembap membuat pembacaan naik turun.

2) Kalibrasi MQ135 tidak instan

Perlu waktu pemanasan & penyesuaian R0 agar pembacaan stabil.

3) ESP32-CAM sering gagal upload foto jika jaringan lambat

Karena ukuran foto cukup besar.

4) Conveyor harus disetel benar agar tidak macet

Sudut servo dan kecepatan motor harus seimbang.

5) CNN perlu dataset yang lebih beragam

Agar tidak hanya bergantung pada kondisi pencahayaan tertentu.

8. Arah Pengembangan ke Depan

Sistem ini bisa dikembangkan lebih jauh, misalnya:

  • integrasi edge AI (CNN langsung di ESP32 tanpa server)

  • sistem pencahayaan otomatis

  • deteksi populasi jangkrik secara keseluruhan

  • sistem pemberian pakan otomatis

  • dashboard web real-time

  • sensor tambahan (CO₂, NH₃ tingkat lanjut)

Dengan pengembangan lebih lanjut, prototipe ini bisa menjadi sistem budidaya jangkrik modern berbasis smart farming.

9. Kesimpulan

Proyek ini berhasil menunjukkan bahwa:

  • teknologi IoT membantu peternak memantau kondisi kandang,

  • CNN mampu mendeteksi jangkrik mati dengan akurasi tinggi,

  • sistem otomatis seperti conveyor dapat menjaga kebersihan kandang,

  • gas amonia dapat dikendalikan secara signifikan.

Hasil akhir memperlihatkan bahwa integrasi IoT + Computer Vision sangat potensial untuk meningkatkan produktivitas dan kesehatan populasi jangkrik.

 

Komentar

Posting Komentar

Postingan populer dari blog ini

Cyber Security 1

-
Gambar
   Cyber Security What is Cyber Security? Cyber security adalah praktik melindungi sistem komputer, jaringan, perangkat, dan data dari serangan digital yang bertujuan untuk mencuri, merusak, atau mengganggu informasi. Cyber security mencakup berbagai tindakan, mulai dari penggunaan perangkat lunak keamanan seperti antivirus dan firewall hingga pelatihan kesadaran keamanan bagi pengguna. Cyber security melibatkan beberapa aspek penting, antara lain: Confidentiality (Kerahasiaan):  Melindungi informasi dari akses yang tidak sah. Integrity (Integritas):  Memastikan bahwa data tidak diubah atau dimodifikasi tanpa izin. Availability (Ketersediaan):  Memastikan bahwa sistem dan data tersedia bagi pengguna yang sah kapan pun dibutuhkan. Ancaman cyber security termasuk malware (seperti virus, worm, trojan), phishing (upaya penipuan melalui email atau pesan lainnya), serangan DDoS (Distributed Denial of Service), dan hacking. Strategi cyber security bertujuan untuk mende...
Baca selengkapnya

AI For Bussiness??

-
What is ChatGPT?? ChatGPT adalah model kecerdasan buatan (Al) yang dikembangkan oleh OpenAl. Model ini mampu memahami dan menghasilkan teks secara alami, membuatnya sangat berguna untuk berbag; kebutuhan seperti otomatisasi, pembuatan konten, riset pasar, dan masih banyak lagi. ChatGPT menggunakan deep learning untuk mengolah data teks dalam jumlah besar, sehingga dapat memberikan tanggapan yang natural dan relevan. Teknologi ini terus berkembang dan menjadi salah satu pionir dalam kecerdasan buatan yang semakin menyatu dengan kehidupan sehari-hari. Mengapa ChatGPT untuk bisnis Produktivitas Tinggi ChatGPT memungkinkan Anda menghasilkan konten dan menjawab pertanyaan dengan sangat cepat. Ini membantu Anda atau tim Anda fokus pada tugas-tugas yang lebih penting dan strategis. Hemat Biaya Dengan otomatisasi tugas-tugas rutin seperti penyusunan konten dan riset, ChatGPT dapat membantu Anda mengurangi biaya operasional secara signifikan. Inovasi dan Kreativitas ChatGPT dapat membantu Anda ...
Baca selengkapnya

Analisis QoS (Quality of Service) Jaringan FTTH: Memahami Kualitas Layanan Internet Berbasis Fiber Optik

-
Gambar
Apa Itu QoS (Quality of Service)?Quality of Service Quality of Service atau QoS adalah metode pengukuran performa jaringan untuk menilai seberapa baik layanan internet berjalan saat mentransmisikan data. Dalam konteks jaringan FTTH (Fiber To The Home) , QoS berfungsi untuk menilai kualitas koneksi yang diterima pengguna berdasarkan kecepatan, kestabilan, serta ketepatan waktu pengiriman data. Internet dengan nilai QoS yang baik akan memberikan pengalaman pengguna yang lancar, tanpa gangguan buffering saat streaming, tanpa lag ketika bermain game online, dan stabil saat melakukan video conference. Parameter-Parameter QoS Dalam menganalisis Quality of Service, terdapat empat parameter utama yang menjadi tolok ukur performa jaringan, yaitu Throughput , Packet Loss , Delay (Latency) , dan Jitter . 1. Throughput (Kecepatan Transmisi Data) Throughput adalah jumlah data yang berhasil dikirim dan diterima dalam rentang waktu tertentu. Nilai ini menunjukkan seberapa cepat jaringan dapat mentra...
Baca selengkapnya