Pemodelan Logika Fuzzy Pada Incubator Telur Ayam Kampung Dengan Metode Centroid

mufidatul islamiyah

doi:10.32815/jitika.v18i2.495

Penulis

mufidatul islamiyah 082228942661

DOI:

https://doi.org/10.32815/jitika.v18i2.495

Abstrak

Saat ini, perkembangan teknologi sangatlah pesat berkembang di berbagai bidang, termasuk di bidang peternakan. Ini Teknologi ini bisa diterapkan dalam proses penetasan telur di peternakan ayam. Sejak proses penetasan telur menjadi sebuah proses penting yang berkorelasi dengan tingkat kegagalan dalam menetaskan telur. Agar mendapatkan proses penetasan yang optimal telur, suhu harus dikontrol semaksimal mungkin suhunya berkisar 37-40 Celcius. Pada penelitian dirancang alat incubator penetas telur ayam kampung meggunakan ligika fuzzy mamdani, agar bisa berjalan optimal. Dimana suhu dan kelembaban digunakan sebagai inkubator sebagai masukan fuzzy logika. Menggunakan logika fuzzy untuk mengontrol suhu, output dari sistem ini adalah kecepatan kipas (PWM). Selanjutnya, kami menggunakan 2 lampu untuk membuat suhu lebih hangat, sehingga suhu inkubator ini dapat dikontrol pada suhu yang ideal. Kami melakukan pengujian perangkat lunak dan pengujian kinerja sistem secara keseluruhan. Pengujian perangkat lunak dilakukan untuk melihat apakah perangkat lunak telah diimplementasikan logika fuzzy sudah sesuai dengan yang diharapkan, dengan cara membandingkan hasil yang diperoleh dari sistem yang dibangun dengan perhitungan manual dan perhitungan simulasi. Berdasarkan hasil pengujian ditemukan bahwa sistem fuzzy menghasilakan kecepatan kipas sebesar 33.8 PWM,sedangkan hasil nilai dengan perhitungan menggunakan metode centroid sebesar 32,8 PWM sehingga dapat disimpulakan selisih perhitungan sekitar 0,1 PWM.

Unduhan

Data unduhan belum tersedia.

Referensi

[1] I. N. Lestari, E. Mulyana, and R. Mardi, “The implementation of mamdani’s fuzzy model for controlling the temperature of chicken egg incubator,” Proc. - 2020 6th Int. Conf. Wirel. Telemat. ICWT 2020, 2020, doi: 10.1109/ICWT50448.2020.9243647.
[2] F. Peprah, S. Gyamfi, M. Amo-Boateng, E. Buadi, and M. Obeng, “Design and construction of smart solar powered egg incubator based on GSM/IoT,” Sci. African, vol. 17, p. e01326, 2022, doi: 10.1016/j.sciaf.2022.e01326.
[3] E. O. Uzodinma, O. Ojike, U. J. Etoamaihe, and W. I. Okonkwo, “Performance study of a solar poultry egg incubator with phase change heat storage subsystem,” Case Stud. Therm. Eng., vol. 18, no. October 2019, p. 100593, 2020, doi: 10.1016/j.csite.2020.100593.
[4] A. A. Aldair, A. T. Rashid, and M. Mokayef, “Design and Implementation of Intelligent Control System for Egg Incubator Based on IoT Technology,” 2018 4th Int. Conf. Electr. Electron. Syst. Eng. ICEESE 2018, pp. 49–54, 2018, doi: 10.1109/ICEESE.2018.8703539.
[5] S. Özlü and O. Elibol, “Rapid egg cooling rate after oviposition influences the embryonic development, hatchability, and hatch time of young and old broiler hatching eggs,” Poult. Sci., vol. 102, no. 12, 2023, doi: 10.1016/j.psj.2023.103083.
[6] R. Rakhmawati, Irianto, F. D. Murdianto, A. Luthfi, and A. Y. Rahman, “Thermal optimization on incubator using fuzzy inference system based IoT,” Proceeding - 2019 Int. Conf. Artif. Intell. Inf. Technol. ICAIIT 2019, pp. 464–468, 2019, doi: 10.1109/ICAIIT.2019.8834530.
[7] Y. Chen, “Design of sampling-based noniterative algorithms for centroid type-reduction of general type-2 fuzzy logic systems,” Complex Intell. Syst., vol. 8, no. 5, pp. 4385–4402, 2022, doi: 10.1007/s40747-022-00789-4.
[8] M. Islamiyah, S. Arifin, and P. S. Komputer, “CONTROL SISTEM INKUBATOR TELUR AYAM MENGGUNAKAN METODE,” vol. 9, no. 2, 2023.
[9] A. Wirawan and A. Azhari, “Implementasi Metode Fuzzy-Mamdani untuk Menentukan Jenis Ikan Konsumsi Air Tawar Berdasarkan Karakteristik Lahan Budidaya Perikanan,” Bimipa, vol. 24, no. 1, pp. 29–38, 2014.
[10] J. Huaman-castañeda, P. C. Tamara-perez, E. Paiva-peredo, G. Zarate-segura, and E. Paiva-peredo, “Design of a prototype for sending fire notifications in homes using fuzzy logic and internet of things,” vol. 14, no. 1, pp. 248–257, 2024, doi: 10.11591/ijece.v14i1.pp248-257.
[11] B. Wisely Ziliwu and dan Suhartati Agoes, “Analisis Sistem Estimasi Produksi Menggunakan Metode Fuzzy Berbasis Web,” vol. 19, no. 1, pp. 12–22, 2017.
[12] P. Dutta and N. Anjum, “Optimization of Temperature and Relative Humidity in an Automatic Egg Incubator Using Mamdani Fuzzy Inference System,” Int. Conf. Robot. Electr. Signal Process. Tech., pp. 12–16, 2021, doi: 10.1109/ICREST51555.2021.9331155.
[13] H. R. Fajrin, Sasmeri, L. R. Prilia, B. Untara, and M. A. F. Nurkholid, “Fuzzy logic method-based stress detector with blood pressure and body temperature parameters,” Int. J. Electr. Comput. Eng., vol. 14, no. 2, pp. 2156–2166, 2024, doi: 10.11591/ijece.v14i2.pp2156-2166.
[14] Y. F. Hernández-Julio, P. F. P. Ferraz, T. Yanagi Junior, G. A. e. S. Ferraz, M. Barbari, and W. Nieto-Bernal, “Fuzzy-genetic approaches to knowledge discovery and decision making: Estimation of the cloacal temperature of chicks exposed to different thermal conditions,” Biosyst. Eng., vol. 199, pp. 109–120, 2020, doi: 10.1016/j.biosystemseng.2020.02.005.
[15] S. Loganathan, D. Ramakrishnan, M. Sathiyamoorthy, and H. M. Azamathulla, “Assessment of irrigational suitability of groundwater in Thanjavur district, Southern India using Mamdani fuzzy inference system,” Results Eng., vol. 21, no. November 2023, p. 101789, 2024, doi: 10.1016/j.rineng.2024.101789.