Gambar Ilustrasi AI
FORMOSA NEWS - Medan - Teknologi IoT dan AI Berhasil Deteksi Stres Kalor serta Pola Perilaku Kambing di Sumatra Utara. Penelitian yang dilakukan oleh Yudhistira Adhitya Pratama, Normalina Napitupulu, Zulhamsyah Fachrurrazi Nasution, dan Adli Abdillah Nababan dari Universitas Sumatera Utara dan Universitas Bina Nusantara. dalam artikel penelitian yang dipublikasikan pada Formosa Journal of Computer and Information Science (FJCIS) edisi Vol. 5 No. 1 Tahun 2026 menyoroti bahwa mengembangkan sistem berbasis Internet of Things (IoT) dan kecerdasan buatan (Artificial Intelligence/AI) untuk memantau kesehatan kambing secara real-time.
Penelitian yang dilakukan oleh Yudhistira Adhitya Pratama, Normalina Napitupulu, Zulhamsyah Fachrurrazi Nasution, dan Adli Abdillah Nababan dari Universitas Sumatera Utara dan Universitas Bina Nusantara menyoroti bahwa sangat penting karena mampu mendeteksi kondisi kritis seperti stres kalor (panas berlebih) dan dinamika gas kandang yang selama ini luput dari pengawasan manual para peternak.
Tantangan Peternakan Tradisional di Iklim Tropis
Peternakan kambing memegang peranan krusial dalam menggerakkan ekonomi pedesaan di Asia Tenggara, termasuk Indonesia yang populasi kambingnya telah melebihi 18 juta ekor. Sayangnya, mayoritas peternak masih mengandalkan metode konvensional berupa inspeksi visual manual dengan berjalan mengelilingi kandang. Metode ini dinilai tidak efektif untuk skala industri besar. Pemantauan manual sering kali terlambat mendeteksi gangguan kesejahteraan hewan yang berkembang secara perlahan, seperti cekaman panas akibat perubahan cuaca ekstrem atau akumulasi gas beracun di bawah lantai kandang.
Sensor Ganda: Mengawasi Hewan Sekaligus Kotorannya
Untuk mengatasi keterbatasan tersebut, tim peneliti merancang arsitektur pemantauan dua zona pada kandang kambing model panggung (slatted-floor) di Sumatra Utara. Metodologi penelitian dirancang secara sederhana namun canggih menggunakan jaringan 8 sensor terintegrasi:
Penemuan ini memberikan rekomendasi kebijakan praktis yang sangat berharga bagi para pelaku usaha peternakan dan pembuat kebijakan pertanian untuk meningkatkan produktivitas ternak: "Pemisahan kondisi stres panas ini memberikan peternak panduan intervensi yang bertahap. Peternak bisa menyalakan ventilasi udara standar saat kondisi stres sedang, dan wajib mengaktifkan sistem pengkabutan air (misting) atau kipas angin besar saat AI mendeteksi kondisi stres parah pada pukul 09.00 hingga 17.00," ujar Yudhistira Adhitya Pratama dalam laporannya. Selain itu, peternak disarankan mengubah jadwal pembersihan bak kotoran menjadi sesaat sebelum pemberian pakan sore guna memotong siklus pembentukan gas metana di malam hari.
Profil Peneliti
Yudhistira Adhitya Pratama, S.Kom., M.Kom. – Dosen dan Peneliti di Program Studi Teknik Informatika, Fakultas Vokasi, Universitas Sumatera Utara. Spesialisasi dalam bidang Internet of Things (IoT) dan Pemrosesan Data Sensor.
Normalina Napitupulu, S.T., M.Sc. – Peneliti Senior di Program Studi Teknik Informatika, Fakultas Vokasi, Universitas Sumatera Utara. Fokus pada Sistem Tertanam (Embedded Systems) dan Efisiensi Energi.
Zulhamsyah Fachrurrazi Nasution, S.T., M.I.T. – Akademisi di Program Studi Teknik Informatika, Fakultas Vokasi, Universitas Sumatera Utara. Ahli dalam Manajemen Jaringan dan Infrastruktur Cloud.
Adli Abdillah Nababan, S.Kom., M.T.I. – Peneliti di Program Studi Sistem Informasi, Universitas Bina Nusantara. Mengambil fokus keahlian pada Arsitektur Data Bisnis dan Machine Learning.
Sumber Penelitian
Yudhistira Adhitya Pratama,Normalina Napitupulu, Zulhamsyah Fachrurrazi Nasution, Adli Abdillah Nababan (2026). IoT-Based Multi-Sensor Fusion for Goat Behavioral Pattern Recognition Using K-Means Clustering in a Smart Farming Environment. Formosa Journal of Computer and Information Science (FJCIS) 2026. Vol. 5, No. 1, Halaman 99-110
DOI:https://doi.org/10.55927/fjcis.v5i1.16599
URL:
Penelitian yang dilakukan oleh Yudhistira Adhitya Pratama, Normalina Napitupulu, Zulhamsyah Fachrurrazi Nasution, dan Adli Abdillah Nababan dari Universitas Sumatera Utara dan Universitas Bina Nusantara menyoroti bahwa sangat penting karena mampu mendeteksi kondisi kritis seperti stres kalor (panas berlebih) dan dinamika gas kandang yang selama ini luput dari pengawasan manual para peternak.
Tantangan Peternakan Tradisional di Iklim Tropis
Peternakan kambing memegang peranan krusial dalam menggerakkan ekonomi pedesaan di Asia Tenggara, termasuk Indonesia yang populasi kambingnya telah melebihi 18 juta ekor. Sayangnya, mayoritas peternak masih mengandalkan metode konvensional berupa inspeksi visual manual dengan berjalan mengelilingi kandang. Metode ini dinilai tidak efektif untuk skala industri besar. Pemantauan manual sering kali terlambat mendeteksi gangguan kesejahteraan hewan yang berkembang secara perlahan, seperti cekaman panas akibat perubahan cuaca ekstrem atau akumulasi gas beracun di bawah lantai kandang.
Sensor Ganda: Mengawasi Hewan Sekaligus Kotorannya
Untuk mengatasi keterbatasan tersebut, tim peneliti merancang arsitektur pemantauan dua zona pada kandang kambing model panggung (slatted-floor) di Sumatra Utara. Metodologi penelitian dirancang secara sederhana namun canggih menggunakan jaringan 8 sensor terintegrasi:
- Zona Atas (Platform Hewan): Dilengkapi sensor suhu-kelembapan (DHT22), detektor suara analog (KY-038), dan sensor gerak (PIR HC-SR501) untuk merekam aktivitas harian dan suara kambing.
- Zona Bawah (Bak Penampungan Kotoran): Dilengkapi sensor suhu-kelembapan kedua, sensor MQ135 untuk mendeteksi amonia ($NH_3$) dan karbon dioksida ($CO_2$), serta sensor MQ4 khusus untuk gas metana ($CH_4$).
Semua data dari sensor tersebut dikirimkan setiap empat detik sekali ke basis data awan (cloud) melalui mikrokontroler NodeMCU ESP8266. Sebelum dianalisis oleh AI, tim melakukan pembersihan data sistematis untuk membuang gangguan teknis (error sensor), menyisakan 213.704 catatan data yang akurat dan bersih.
AI Temukan 8 Pola Perilaku dan Kondisi Kandang
Menggunakan algoritma kecerdasan buatan non-terbimbing (unsupervised machine learning) bernama K-Means Clustering, data raksasa tersebut berhasil dikelompokkan menjadi 8 kondisi lingkungan dan perilaku kambing yang spesifik tanpa perlu label manual:
- Stres Kalor Parah (14,1%): Terjadi pada pukul 09.00–17.00 dengan puncaknya pukul 15.00. Nilai Indeks Suhu-Kelembapan (THI) mencapai rata-rata ekstrem 92,1. Kambing terpantau tidak bersuara namun terus bergerak gelisah mencari area sejuk.
- Stres Kalor Sedang (8,6%): Terjadi di sekitar siang hari dengan rata-rata THI 90,7, di mana ternak mulai membatasi suara untuk mengurangi beban panas tubuh.
- Puncak Gas Metana Pasca-Makan (3,8%): Terdeteksi eksklusif pada pukul 19.00–22.00. Ini menunjukkan adanya lonjakan proses fermentasi anaerobik dari kotoran kambing beberapa jam setelah pemberian pakan sore.
- Fase Aktif-Vokal Siang Hari (11,9%): Ditandai dengan tingginya volume suara ternak saat berinteraksi sosial dan makan pada siang hari.
- Aktivitas Pagi Hari (14,6%): Kambing mulai aktif bergerak sejak pukul 07.00, meskipun sisa gas buang dari kotoran semalam belum sepenuhnya hilang dari kandang.
- Tiga Fase Istirahat Malam Hari (Akm. 46,9%): AI memisahkan waktu tidur malam menjadi tiga kondisi berbeda berdasarkan tingkat kepekatan gas amonia di bawah kandang, mulai dari kondisi bersih hingga kondisi gas paling jenuh pada pukul 03.00 pagi.
Penemuan ini memberikan rekomendasi kebijakan praktis yang sangat berharga bagi para pelaku usaha peternakan dan pembuat kebijakan pertanian untuk meningkatkan produktivitas ternak: "Pemisahan kondisi stres panas ini memberikan peternak panduan intervensi yang bertahap. Peternak bisa menyalakan ventilasi udara standar saat kondisi stres sedang, dan wajib mengaktifkan sistem pengkabutan air (misting) atau kipas angin besar saat AI mendeteksi kondisi stres parah pada pukul 09.00 hingga 17.00," ujar Yudhistira Adhitya Pratama dalam laporannya. Selain itu, peternak disarankan mengubah jadwal pembersihan bak kotoran menjadi sesaat sebelum pemberian pakan sore guna memotong siklus pembentukan gas metana di malam hari.
Profil Peneliti
Yudhistira Adhitya Pratama, S.Kom., M.Kom. – Dosen dan Peneliti di Program Studi Teknik Informatika, Fakultas Vokasi, Universitas Sumatera Utara. Spesialisasi dalam bidang Internet of Things (IoT) dan Pemrosesan Data Sensor.
Normalina Napitupulu, S.T., M.Sc. – Peneliti Senior di Program Studi Teknik Informatika, Fakultas Vokasi, Universitas Sumatera Utara. Fokus pada Sistem Tertanam (Embedded Systems) dan Efisiensi Energi.
Zulhamsyah Fachrurrazi Nasution, S.T., M.I.T. – Akademisi di Program Studi Teknik Informatika, Fakultas Vokasi, Universitas Sumatera Utara. Ahli dalam Manajemen Jaringan dan Infrastruktur Cloud.
Adli Abdillah Nababan, S.Kom., M.T.I. – Peneliti di Program Studi Sistem Informasi, Universitas Bina Nusantara. Mengambil fokus keahlian pada Arsitektur Data Bisnis dan Machine Learning.
Sumber Penelitian
Yudhistira Adhitya Pratama,Normalina Napitupulu, Zulhamsyah Fachrurrazi Nasution, Adli Abdillah Nababan (2026). IoT-Based Multi-Sensor Fusion for Goat Behavioral Pattern Recognition Using K-Means Clustering in a Smart Farming Environment. Formosa Journal of Computer and Information Science (FJCIS) 2026. Vol. 5, No. 1, Halaman 99-110
DOI:
0 Komentar