Perpustakaan Digital ITB

Penerapan teknologi Internet of Things (IoT) dan kecerdasan buatan pada peternakan ayam broiler telah menjadi solusi strategis dalam meningkatkan efisiensi dan akurasi pemantauan lingkungan serta pertumbuhan ayam, khususnya bagi peternakan skala kecil dan menengah (UMKM). Penelitian ini mengembangkan sistem monitoring dan otomasi kandang ayam berbasis IoT yang terdiri atas tiga subsistem utama: akuisisi data lingkungan, prediksi berat ayam berbasis visi komputer, dan pengendalian aktuator secara otomatis. Sistem mengandalkan sensor suhu, kelembaban, gas ditanamkan pada ESP32-S3 serta Arduino Uno R3 Wi-Fi (ESP8266) untuk mengirimkan data ke Firebase secara near real-time. Model YOLOv8n dengan arsitektur segmentasi digunakan untuk mendeteksi ayam dan memperkirakan berat berdasarkan luas area segmentasi, yang dikalibrasi menggunakan regresi polinomial orde dua. Inferensi dilakukan secara lokal di Raspberry Pi 5 untuk menghindari ketergantungan pada cloud dan menjaga efisiensi bandwidth serta latensi. Hasil pengujian menunjukkan bahwa tingkat pengiriman data sensor mencapai >95% per hari, dengan konsumsi daya dan kuota yang rendah. Model YOLOv8n mencapai akurasi deteksi sangat tinggi (mAP50 sebesar 0.995), serta akurasi prediksi berat harian 75 93%. Sistem juga mampu mengendalikan kipas, lampu pemanas, dan auger secara otomatis berdasarkan parameter lingkungan dengan delay 2 10 detik. Integrasi sistem berjalan stabil dan responsif dalam pengujian nyata di kandang 2×1 meter dengan populasi 20 ayam broiler. Penelitian ini berkontribusi dalam menyediakan solusi otomasi peternakan yang terjangkau, hemat daya, dan andal untuk UMKM. Sistem menunjukkan potensi penghematan biaya operasional hingga 15 25% serta membuka peluang pengembangan lanjutan seperti klasifikasi perilaku ayam dan manajemen pakan otomatis berbasis data.