<![CDATA[Abstrak — Pertumbuhan maggot Black Soldier Fly (BSF) sangat dipengaruhi oleh suhu lingkungan, terutama pada fase budidaya intensif. Untuk menjaga kestabilan suhu kandang, penelitian ini merancang sistem monitoring dan kontrol suhu otomatis berbasis Artificial Neural Network (ANN). Sistem memanfaatkan sensor DHT22 untuk membaca suhu secara real-time dan menghasilkan sinyal Pulse Width Modulation (PWM) guna mengatur kecepatan kipas pendingin. Nilai error suhu dihitung dari selisih suhu aktual dengan suhu target 28°C, kemudian dijadikan input pelatihan ANN pada MATLAB. Model ANN dirancang dengan satu input layer, satu hidden layer (3 neuron), dan satu output layer, menggunakan fungsi aktivasi tansig dan purelin. Konfigurasi ini menunjukkan performa terbaik dengan Mean Squared Error (MSE) sebesar 0,00000092005 dan koefisien regresi mendekati 1. Sistem berhasil merespons suhu ekstrem hingga 41,4°C dengan PWM maksimum 225. Validasi selama tiga hari menunjukkan keandalan sistem dalam menjaga suhu tetap stabil dan mendukung pertumbuhan maggot secara optimal. Perbandingan terhadap sistem tanpa kontrol otomatis membuktikan bahwa sistem ANN lebih efektif, ditunjukkan oleh peningkatan berat maggot dari 540 gram menjadi 590 gram, sementara pada sistem konvensional justru menurun hingga 500 gram. Dengan akurasi pembacaan ±0,3°C, sistem ini dinilai efisien dan layak digunakan secara langsung dalam budidaya. Kata kunci— Maggot BSF, Suhu, Artificial Neural Network]]>
