Article Per Year (5 Year)
p-Index From 2020 - 2025
0.882
P-Index
This Author published in this journals
All Journal eProceedings of Engineering Jurnal Arjuna : Publikasi Ilmu Pendidikan, Bahasa dan Matematika Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Sinta Ramadani
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : eProceedings of Engineering

 1 
Implementasi Monitoring dan Controlling Lingkungan Budidaya Maggot Sebagai Pengurai Sampah Organik Berbasis Machine Learning dan Internet Of Things Dendi Rifqi Hibatullah; Tazkia Rizkiani Putri; Marlia Putri; Sinta Ramadani; Sofia Naning Hertiana; Iman Hedi Santoso
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Maggot yang berasal dari larva Black Soldier Fly (BSF) banyak diteliti karena kandungan nutrisinya yang tinggi serta karakteristik biologisnya. Maggot ini berpotensi sebagai sumber protein alternatif untuk pakan ternak, seperti ayam dan lele. Namun, suhu dan kelembapan lingkungan sangat memengaruhi pertumbuhan dan kelangsungan hidupnya. Penelitian ini bertujuan mengembangkan sistem berbasis Internet of Things (IoT) yang terintegrasi dengan teknologi Machine Learning untuk memantau dan mengendalikan suhu, kelembapan, serta volume sampah pada media budidaya maggot secara real-time. Sistem ini terhubung dengan aplikasi seluler untuk memungkinkan pemantauan dan pengendalian jarak jauh. Perangkat menggunakan mikrokontroler Raspberry Pi 3B+ dan diprogram dengan bahasa Python. Data dari sensor diproses untuk mengontrol aktuator dan dikirimkan ke Firebase, kemudian ditampilkan dalam aplikasi mobile. Hasil menunjukkan bahwa budidaya dengan sistem IoT menghasilkan bobot 160 gram per 100 maggot, sedangkan metode konvensional hanya 100 gram per 100 maggot. Sensor DHT22 memiliki akurasi 97,06%, dan sensor kelembapan media mencapai 95,67%. Pengujian aplikasi menggunakan metode System Usability Scale (SUS) memperoleh skor rata-rata 74,5 yang menandakan tingkat kebergunaan yang baik. Maggot dengan sistem IoT mampu menguraikan sampah rata-rata 3,43 kg dalam 10 hari, dibandingkan 2,054 kg tanpa IoT. Kualitas layanan (QoS) menunjukkan throughput sebesar 204.795,86 bps, packet loss 0,22%, delay rata-rata 105,03 ms, dan jitter sebesar 6.151,71 ms.Kata Kunci— Black Soldier Fly, Internet of Things, Machine Learning, Mobile Application
Implementasi Monitoring dan Controlling Lingkungan Budidaya Maggot Sebagai Pengurai Sampah Organik Berbasis Machine Learning dan Internet Of Things Dendi Rifqi Hibatullah; Tazkia Rizkiani Putri; Marlia Putri; Sinta Ramadani; Sofia Naning Hertiana; Iman Hedi Santoso
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Maggot yang berasal dari larva Black Soldier Fly (BSF) banyak diteliti karena kandungan nutrisinya yang tinggi serta karakteristik biologisnya. Maggot ini berpotensi sebagai sumber protein alternatif untuk pakan ternak, seperti ayam dan lele. Namun, suhu dan kelembapan lingkungan sangat memengaruhi pertumbuhan dan kelangsungan hidupnya. Penelitian ini bertujuan mengembangkan sistem berbasis Internet of Things (IoT) yang terintegrasi dengan teknologi Machine Learning untuk memantau dan mengendalikan suhu, kelembapan, serta volume sampah pada media budidaya maggot secara real-time. Sistem ini terhubung dengan aplikasi seluler untuk memungkinkan pemantauan dan pengendalian jarak jauh. Perangkat menggunakan mikrokontroler Raspberry Pi 3B+ dan diprogram dengan bahasa Python. Data dari sensor diproses untuk mengontrol aktuator dan dikirimkan ke Firebase, kemudian ditampilkan dalam aplikasi mobile. Hasil menunjukkan bahwa budidaya dengan sistem IoT menghasilkan bobot 160 gram per 100 maggot, sedangkan metode konvensional hanya 100 gram per 100 maggot. Sensor DHT22 memiliki akurasi 97,06%, dan sensor kelembapan media mencapai 95,67%. Pengujian aplikasi menggunakan metode System Usability Scale (SUS) memperoleh skor rata-rata 74,5 yang menandakan tingkat kebergunaan yang baik. Maggot dengan sistem IoT mampu menguraikan sampah rata-rata 3,43 kg dalam 10 hari, dibandingkan 2,054 kg tanpa IoT. Kualitas layanan (QoS) menunjukkan throughput sebesar 204.795,86 bps, packet loss 0,22%, delay rata-rata 105,03 ms, dan jitter sebesar 6.151,71 ms. Kata Kunci— Black Soldier Fly, Internet of Things, Machine Learning, Mobile Application
Implementasi Basis Data Real-time untuk Sistem Monitoring dan Controlling Lingkungan Budidaya Maggot Sebagai Pengurai Sampah Organik Berbasis Machine Learning dan Internet Of Things Sinta Ramadani; Sofia Naning Hertiana; Iman Hedi Santoso
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pertumbuhan maggot sebagai agen pengurai sampah organik sangat dipengaruhi oleh kondisi lingkungan seperti suhu dan kelembapan. Penelitian ini merancang sistem monitoring dan pengendalian berbasis Internet of Things (IoT) yang terintegrasi dengan basis data real-time menggunakan Firebase Realtime Database. Sistem ini mencatat data suhu, kelembapan, serta hasil deteksi visual sampah melalui kamera dan machine learning, lalu menyimpannya secara otomatis ke dalam basis data. Seluruh data yang terkumpul diakses melalui aplikasi mobile, memungkinkan pengguna memantau dan mengontrol sistem dari jarak jauh. Firebase digunakan untuk mendukung sinkronisasi data secara dua arah antara perangkat dan aplikasi, serta memastikan keakuratan dan kontinuitas data selama proses berlangsung. Hasil implementasi menunjukkan bahwa sistem mampu menyimpan dan mengelola data secara efisien serta meningkatkan efektivitas budidaya maggot dalam mengolah sampah organik. Kata Kunci— Basis Data, Firebase, Internet of Things, Machine Learning, Mobile Application, Reat-time
Co-Authors Abdimas Khodijaya Alfiyanti Khusnunnisa Alya Tri Tasya Nurmaini Asep Saefullah Dendi Rifqi Hibatullah Dini Dwi Putri Gita Putri Sinaga Iman Hedi Santoso Marlia Putri Mujiono Mujiono Putri Tabita Raja Anissa Rasyid Sofia Naning Hertiana Syarah Marlina Taryono Tazkia Rizkiani Putri Tika Oktavia Vanda Iswara Putri Yemima V Perangin angin