Record Details

Sistem Deteksi Hama Babi menggunakan CNN (Convolutional Neural Network) berbasis Raspberry Pi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Sistem Deteksi Hama Babi menggunakan CNN (Convolutional Neural Network) berbasis Raspberry Pi
 
Added Entry - Uncontrolled Name Nugraha, Aditia Reza
Utaminingrum, Fitri
Fitriyah, Hurriyatul
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Indonesia merupakan negara agraris yang sebagian wilayahnya berisi pada sektor pertanian seperti jagung, padi, sawit dan tanaman pangan lainnya. Luas wilayah pertanian setiap tahunnya mengalami pertambahan dengan cara menebang hutan sebagai salah satu penambahan sumber daya. Perambahan hutan untuk sektor pertanian berdampak pada lingkungan tempat pertanian berada, dimana pertanian yang bersinggungan langsung dengan wilayah hutan. Wilayah pertanian yang berdekatan dengan perkebunan mengakibatkan hewan liar seperti babi liar menjadi hama yang dapat merusak hasil perkebunan dan juga berbahaya apabila bersinggungan langsung dengan manusia yang ada saat berkegiatan di area tersebut. Sebagai pencegahan alat pengusir hama biasanya dilakukan dengan cara konvensional seperti jerat babi, racun, ataupun jaring pada area terdampak. Sebagai inovasi menggunakan teknologi cerdas, solusi permasalahan ini diperlukan sebuah sistem yang berfungsi sebagai pengawas kemanan pada perkebunan. Sistem yang akan dibuat berfungsi untuk melakukan monitoring keadaan saat perkebunan dimasuki oleh hama seperti babi liar. Sistem pengawasan menggunakan webcam yang dipasangkan pada Raspberry pi model 4 yang berfungsi melihat keadaan kebun saat adanya objek hama babi. Sistem monitoring pada kamera akan mengklasifikasi objek babi liar dan petani pada perkebunan menggunakan menggunakan metode Convolutional Neural Network pada arsitektur YOLOV3 dengan tingkat akurasi pada model data untuk bernilai 97%. Sistem juga akan dibuat menggunakan notifikasi buzzer sebagai notifikasi saat hama terdeteksi pada hardware dengan keberhasilan output buzzer 100%.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/9661
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 9 (2021): September 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com