Otomasi Deteksi Pembersihan Kandang Kambing Menggunakan Deret Sensor Gas dan Algoritma K-Nearest Neighbors (K-NN). (Automation of Goat Pen Cleaning Detection Using a Gas Sensor Array and the K-Nearest Neighbors (K-NN) Algorithm)

NASIR, ABDUL (2026) Otomasi Deteksi Pembersihan Kandang Kambing Menggunakan Deret Sensor Gas dan Algoritma K-Nearest Neighbors (K-NN). (Automation of Goat Pen Cleaning Detection Using a Gas Sensor Array and the K-Nearest Neighbors (K-NN) Algorithm). Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

Preview	Text ABSTRAK1.pdf Download (1MB) | Preview
	Text Bab 1.pdf Restricted to Repository staff only Download (89kB)
	Text Bab 2.pdf Restricted to Repository staff only Download (911kB)
	Text Bab 3.pdf Restricted to Repository staff only Download (911kB)
	Text Bab 4.pdf Restricted to Repository staff only Download (1MB)
	Text BAB 5.pdf Restricted to Repository staff only Download (204kB)
Preview	Text Lampiran.pdf Download (1MB) | Preview
Preview	Text LOA 8771.pdf Download (220kB) | Preview
Preview	Text Turnitin - Jurnal JREEC - Abdul Nasir.pdf Download (2MB) | Preview

Abstract

Kebersihan kandang kambing merupakan faktor penting dalam menjaga kesehatan ternak dan mencegah penyebaran penyakit. Salah satu parameter yang dapat digunakan untuk menentukan tingkat kebersihan kandang adalah konsentrasi gas seperti karbon dioksida (CO₂), amonia (NH₃), dan metana (CH₄) yang dihasilkan dari kotoran dan aktivitas kambing [1]. Penelitian ini mengembangkan sistem otomasi deteksi kebersihan kandang kambing menggunakan deret sensor gas MQ 135, MQ-137, dan MQ-4 yang diintegrasikan dengan Arduino Mega 2560 sebagai perangkat akuisisi data. Data sensor dikirim secara real-time ke komputer melalui komunikasi serial untuk diproses menggunakan algoritma klasifikasi K-Nearest Neighbor (K-NN). Total 684 data latih digunakan, terdiri dari 300 data kondisi bersih (label 1) dan 384 data kondisi kotor (label 2). Model K-NN dilatih menggunakan skema pembagian dataset 70% data training dan 30% data testing. Hasil pengujian menunjukkan bahwa model K-NN dengan nilai K = 3 mampu mengklasifikasikan kondisi kebersihan kandang dengan akurasi 99,51%. Berdasarkan confusion matrix, model berhasil memprediksi 116 data bersih secara tepat, 89 data kotor secara tepat, dan hanya terdapat 1 kesalahan prediksi, sehingga menunjukkan performa klasifikasi yang sangat baik. Hasil klasifikasi kemudian dikirim kembali ke Arduino untuk mengendalikan relay yang terhubung dengan pompa air sebagai sistem pembersih otomatis. Ketika kondisi terdeteksi kotor, pompa aktif, dan akan berhenti ketika kondisi kembali bersih. Sistem juga dilengkapi LCD 20×4 untuk menampilkan nilai sensor secara real-time. Dengan akurasi tinggi dan respon yang baik, sistem ini dapat menjadi solusi yang efektif dan efisien untuk membantu peternak dalam memantau dan menjaga kebersihan kandang kambing secara otomatis

Actions (login required)

View Item