Bogordaily.net – Perkembangan teknologi Internet of Things (IoT) dan Machine Learning semakin membuka peluang penerapannya dalam sektor peternakan. Melalui inovasi yang dikembangkan oleh mahasiswa Program Studi Teknologi Rekayasa Komputer, Sekolah Vokasi IPB University, sebuah sistem monitoring aktivitas puyuh berbasis IoT dan Machine Learning berhasil dirancang untuk membantu peternak dalam memantau kondisi unggas secara lebih efektif dan real-time.
Proyek yang diberi nama QUAILSENSE:Smart Quail Monitoring System ini memanfaatkan kombinasi perangkat Raspberry Pi, webcam, sensor lingkungan, serta algoritma Machine Learning untuk melakukan pemantauan aktivitas puyuh secara otomatis.
Sistem dirancang untuk mengidentifikasi pola aktivitas normal dan aktivitas meningkat (increased activity) yang dapat menjadi indikator awal adanya gangguan lingkungan maupun perubahan kondisi kandang.
Berbeda dengan metode pemantauan konvensional yang mengandalkan observasi langsung oleh peternak, sistem ini memungkinkan pengawasan kandang selama 24 jam tanpa harus berada di lokasi.
Kamera yang terhubung dengan Raspberry Pi akan merekam aktivitas puyuh secara berkala dan mengumpulkan data visual sebagai dasar pelatihan model Machine Learning.
Data tersebut kemudian digunakan untuk membangun model klasifikasi yang mampu membedakan aktivitas normal dan aktivitas meningkat pada populasi puyuh.
Selain memanfaatkan kamera, sistem juga dilengkapi dengan sensor suhu dan kelembapan berbasis ESP32 yang berfungsi untuk memantau kondisi lingkungan kandang.
Data lingkungan tersebut dikirim secara nirkabel melalui jaringan WiFi dan ditampilkan pada dashboard berbasis web sehingga dapat diakses dari berbagai perangkat.
Menurut pengembang, pendekatan yang digunakan tidak berfokus pada identifikasi stres secara langsung, melainkan pada deteksi perubahan aktivitas yang berpotensi menjadi indikator awal adanya permasalahan pada kandang.
Pendekatan ini dinilai lebih realistis karena kondisi stres pada unggas dipengaruhi oleh banyak faktor dan tidak dapat ditentukan hanya dari satu parameter pengamatan.
“Melalui sistem ini, peternak dapat memperoleh informasi mengenai perubahan aktivitas unggas secara lebih cepat sehingga tindakan pencegahan dapat dilakukan sebelum berdampak pada produktivitas ternak,” ujar Radyanka selaku pengembang proyek.
Di balik inovasi ini, terdapat tim mahasiswa yang beranggotakan sembilan orang dengan Zulvian Hardhan sebagai Ketua Tim, bersama Radyanka Irza Pramono, Daffa Ardyana Eka Putra, Ariel Mughnika Beers, Rhaqim Putra Al Rusdi, Muhammad Faza Elrahman, Muhammad Eka Fauzan, Ahmad Fauzan, dan Muhammad Fadhil Alfaruq.
Dalam proses pengembangan sistem ini, tim mendapat arahan dan pendampingan dari Dr. Inna Novianty, M.Si. serta Dr. Shelvie Nidya Neyman, S.Kom., M.Si. selaku dosen pembimbing
Dalam tahap pengembangannya, sistem telah berhasil melakukan integrasi antara Raspberry Pi dan webcam untuk pengambilan data visual, serta komunikasi antara ESP32 dan server berbasis web melalui jaringan WiFi.
Tahap selanjutnya akan difokuskan pada pengumpulan dataset aktivitas puyuh di lingkungan kandang nyata untuk melatih model Machine Learning berbasis TensorFlow yang akan dijalankan pada Raspberry Pi.
Inovasi ini diharapkan dapat menjadi salah satu solusi penerapan teknologi digital dalam sektor peternakan unggas, khususnya untuk meningkatkan efisiensi monitoring dan mendukung pengambilan keputusan berbasis data. Dengan memanfaatkan teknologi IoT dan kecerdasan buatan, sistem ini berpotensi membantu peternak dalam mengelola kandang secara lebih modern, akurat, dan berkelanjutan.***
Penulis: Zulvian Hardhan, Mahasiswa IPB University, Fakultas Vokasi