Sistem IoT Dan Kecerdasan Buatan Terintegrasi Untuk Optimalisasi Kondisi Lingkungan Kandang Ayam Closed House
Abstract
Gas paparan amonia (NH₃) dalam kandang ayam close house dapat menurunkan produktivitas dan meningkatkan mortalitas ayam boiler. Penelitian sebelumnya telah mengembangkan sistem IoT untuk menjaga kadar amonia, suhu, dan kelembaban. Namun, sistem tersebut belum dilengkapi dengan mekanisme pengendalian otomatis berbasis kecerdasan buatan (AI)..Lingkungan kandang ayam close house yang tidak terkontrol dapat meningkatkan kadar amonia (NH₃) dan memicu stres termal pada ayam boiler, menurunkan produktivitas hingga 15%. Penelitian ini sistem IoT berbasis kecerdasan buatan (AI) untuk mengembangkan dan mengendalikan kadar amonia, suhu, serta kelembaban secara otomatis. Penelitian ini bertujuan untuk mengembangkan sistem IoT yang terintegrasi dengan pembelajaran mesin algoritma untuk memprediksi kadar amonia dan mengoptimalkan ventilasi serta pemberian pakan secara otomatis. Metode yang digunakan meliputi pengumpulan data secara real-time menggunakan sensor MQ135, DHT22, dan sensor oksigen, serta penerapan algoritma Random Forest untuk analisis prediktif. Sistem terdiri dari jaringan sensor MQ135 (amonia), DHT22 (suhu/kelembaban), dan ESP32 sebagai pengontrol utama, dengan algoritma Random Forest untuk prediksi kenaikan amonia. Hasil uji coba selama 60 hari di kandang komersial menunjukkan akurasi pengukuran 98.7% (RMSE = 0.4 ppm), respon sistem <3 detik, dan penurunan mortalitas ayam sebesar 22%. Sistem ini juga mengoptimalkan konsumsi energi ventilasi hingga 30% melalui mekanisme kontrol berbasis penguatan pembelajaran. Temuan ini membuktikan bahwa integrasi IoT-AI mampu menciptakan lingkungan kandang yang stabil (suhu: 20±1.5°C, NH₃ <15 ppm) sekaligus meningkatkan efisiensi operasional peternakan
References
S. Pakage et al., “Pengukuran Performa Produksi Ayam Pedaging pada Closed House System dan Open House System di Kabupaten Malang Jawa Timur Indonesia,” J. Sain Peternak. Indones., vol. 15, no. 4, pp. 383–389, 2020, doi: 10.31186/jspi.id.15.4.383-389.
Kementerian pertanian, “Buku Statistik Peternakan dan Kesehatan Hewan Tahun 2022 -,” Direktorat Jenderal Peternak. dan Kesehat. Hewan Kementeri. Pertan. RI, vol. 2, p. 90, 2023, [Online]. Available: https://ditjenpkh.pertanian.go.id/berita/1609-buku-statistik-peternakan-dan-kesehatan-hewan-tahun-2022
T. Elektro, T. Sipil, D. Komaludin, P. Studi, T. Elektro, and F. Teknik, “Penerapan Teknologi Internet of Things ( IoT ) Untuk Pengukuran Amonia Pada Kandang Ayam Jenis Close House Application of Internet of Things ( IoT ) Technology For Instrumentation Ammonia Gas in Close House Type Chicken Cage,” vol. 8, no. 2, pp. 90–95, 2024.
L. Atzori, A. Iera, and G. Morabito, “The Internet of Things: A survey,” Comput. Networks, vol. 54, no. 15, pp. 2787–2805, 2010, doi: 10.1016/j.comnet.2010.05.010.
S. Neethirajan and B. Kemp, “Digital Livestock Farming,” Sens. Bio-Sensing Res., vol. 32, no. February, p. 100408, 2021, doi: 10.1016/j.sbsr.2021.100408.
J. M. Talavera et al., “Review of IoT applications in agro-industrial and environmental fields,” Comput. Electron. Agric., vol. 142, pp. 283–297, 2017, doi: https://doi.org/10.1016/j.compag.2017.09.015.
A. Sharma, A. Jain, P. Gupta, and V. Chowdary, “Machine Learning Applications for Precision Agriculture: A Comprehensive Review,” IEEE Access, vol. 9, pp. 4843–4873, 2021, doi: 10.1109/ACCESS.2020.3048415.
L. S. M. Vissers, A. G. J. M. Oude Lansink, and H. W. Saatkamp, “Exploring the performance of system changes in Dutch broiler production to balance animal welfare, ammonia emissions and particulate matter emissions with farm profitability,” Agric. Syst., vol. 193, no. June, p. 103217, 2021, doi: 10.1016/j.agsy.2021.103217.
Y. He et al., “The impact of ammonia and microcystin-LR on neurobehavior and glutamate/gamma-aminobutyric acid balance in female zebrafish (Danio rerio): ROS and inflammation as key pathways,” Sci. Total Environ., vol. 920, p. 170914, 2024, doi: https://doi.org/10.1016/j.scitotenv.2024.170914.
E. Odgers et al., “Manure gas safety review of practices and recommendations for Wisconsin livestock farms,” no. November, 2008, [Online]. Available: https://datcp.wi.gov/Documents/ManureGasSafetyReport.pdf
C. M Wathes, T. G M Demmers, and H. Xin, “Ammonia Concentrations and Emissions in Livestock Production Facilities: Guidelines and Limits in the USA and UK,” 2003, ASAE, St. Joseph, MI. doi: https://doi.org/10.13031/2013.14109.
A. Kruakuanphet, P. Phongwisit, W. Yindeesuk, S. Kamoldilok, and K. Srinuanjan, “Multi-range Ammonia Gas Sensor Control and Monitor via IoT System,” in 2022 26th International Computer Science and Engineering Conference (ICSEC), 2022, pp. 182–185. doi: 10.1109/ICSEC56337.2022.10049351.
J. Venkatraman Jagatha, C. Schneider, and T. Sauter, “Parsimonious Random-Forest-Based Land-Use Regression Model Using Particulate Matter Sensors in Berlin, Germany,” Sensors, vol. 24, no. 13, pp. 1–25, 2024, doi: 10.3390/s24134193.
University of Münster (WWU), “Guidelines for the Ethical Treatment of Animals in Research and Teaching at the University of Münster (WWU). ,” p. 6pp.
J. Cao, T. Liu, J. Chen, T. Yang, X. Zhu, and H. Wang, “Drift Compensation on Massive Online Electronic-Nose Responses,” 2021.
