Pemodelan Sistem Kendali Suhu Otomatis Pada Smart Poultry Farm Menggunakan Metode Jaringan Saraf Tiruan

Abstract

Abstrak Di Indonesia para peternak ayam mengalami krisis yang diakibatkan oleh perubahan iklim global yang ekstrem dan mempengaruhi hasil produksi daging ayam. Hewan jenis unggas sangat rentan terhadap perubahan suhu yang tiba-tiba. Dibutuhkanlah suatu sistem otomatis untuk mengatur suhu kandang. Peternakan pintar atau Smart poultry farm adalah suatu konsep budidaya dengan memanfaatkan kemajuan perkembangan teknologi automasi dan komunikasi digital. Konsep ini diharapkan dapat meningkatkan produksi dan kualitas ternak.Pada penelitian ini berfokus pada pemodelan sistem kendali suhu otomatis pada smart poultry farm. Dengan menggunakan metode kontrol jaringan saraf tiruan (JST) Backpropagation, dengan metode kontrol ini sistem diharapkan mampu untuk beradaptasi dengan suhu lingkungan kandang. Dalam penelitian ini dilakukan pengujian menggunakan model JST 4 node, 8 node, dan 12 node neuron hidden layer dengan variasi iterasi 100, 1000, dan 5000 kali untuk 2, 4, 7, dan 14 level kecepatan. Pada pengujian ini didapatkan nilai hasil keluaran sistem yang mirip dengan target keluaran yaitu pada 2 tipe kecepatan output dengan iterasi ke 5000 menggunakan 12 neuron pada hidden layer dengan akurasi 93.3%. Kata Kunci : Jaringan Saraf Tiruan, JST, ANN, Backpropagation, Kontrol Suhu dan Kelembapan, Smart Poultry Farm. Abstract In Indonesia, chicken farmers are experiencing a crisis caused by extreme global climate change and affecting the production of chicken meat. Poultry species are very susceptible to sudden changes in temperature. An automatic system is needed to regulate the temperature and humidity of the cage. Smart farming or Smart poultry farm is a cultivation concept by utilizing advances in the development of digital information and communication technology. This concept is expected to increase livestock production and quality.This study focuses on modeling an automatic temperature control system on a smart poultry farm. By using the Backpropagation Artificial Neural Network (ANN) control method, with this control method the system is expected to be able to adapt to the temperature of the cage environment. In this study, testing was carried out using an ANN model of 4 nodes, 8 nodes, and 12 nodes of hidden layer neurons with variations of iterations of 100, 1000, and 5000 times for 2, 4, 7, and 14 speed levels. In this test, the output value of the system is similar to the target output, namely at 2 types of output speed with the 5000th iteration using 12 neurons in the hidden layer with an accuracy of 93.3%. Key words : ANN, Artificial Neural Network, Backpropagation, Temperature and Humidity Control, Smart Poultry Farm.