Wireless Sensor Network merupakan sekumpulan node sensor yang diatur sedemikian rupa sehingga membentuk sebuah jaringan yang saling berkomunikasi secara nirkabel. Fungsi utama dari WSN adalah mengumpulkan data tersebar melalui jaringan sensor yang kemudian dikirimkan dengan jaringan wireless menuju Base Station (BS) untuk diolah lebih lanjut. Salah satu masalah yang sering muncul dalam implementasi WSN yaitu tingkat konsumsi energi dan masa hidup dari jaringan tersebut. Catu daya yang hanya berasal dari baterai dapat habis dengan cepat apabila tidak digunakan secara efektif. Sehingga node akan mengalami kematian lebih cepat pula.Salah satu cara yang dilakukan oleh beberapa peneliti yaitu membuat sebuah protokol agar pengiriman data dapat
Pengolahan citra digital memiliki manfaat yang bisa digunakan dalam lingkup yang beragam, salah satunya dalam lingkungan perkebunan kopi. Dengan memanfaatkan pengolahan citra, citra daun yang didapat dalam perkebunan kopi, bisa diketahui jenis kopi beserta penyakit yang diderita. Untuk mengetahui jenis daun akan menggunakan metode euclidean distance, dimana daun yang digunakan sebagai objek penelitian merupakan daun kopi robusta dan daun kopi arabika. Untuk penyakit pada daun kopi terdapat berbagai macam, namun penyakit yang digunakan sebagai objek penelitian hanyalah penyakit brown eye spot. Pendeteksian penyakit dilakukan menggunakan metode hough transform, dikarenakan metode ini dapat digunakan untuk mendeteksi lingkaran yang merupakan gejala dari penyakit brown eye spot. Tujuan dalam penelitian ini yaitu untuk menganalisa keefektifan dari metode yang digunakan, yang pertama yaitu tingkat akurasi euclidean distance untuk mendeteksi daun uji coba antara daun kopi arabika dan daun kopi robusta. Metode yang kedua menganalisa tingkat keefektifan tingkat akurasi dalam pendeteksian penyakit brown eye spot pada daun uji coba menggunakan hough transform. Uji coba dilakukan terhadap 7 daun kopi arabika dan 4 daun kopi robusta menggunakan Matlab R2017a, dimana hasil tidak terjadi kekeliruan terhadap pendeteksian terhadap daun uji coba, ketujuh daun kopi arabika dikenali sebagai daun kopi arabika, dan keempat daun kopi robusta dikenali sebagai daun kopi robusta. Pada metode kedua untuk pendeteksian penyakit brown eye spot pada daun uji coba didapatkan keakurasian pada daun arabika sebesar 55% dan untuk daun kopi robusta sebesar 50%.
Pengolahan citra digital memiliki manfaat yang bisa digunakan dalam lingkup yang beragam, salah satunya dalam lingkungan perkebunan kopi. Dengan memanfaatkan pengolahan citra, citra daun yang didapat dalam perkebunan kopi, bisa diketahui jenis kopi beserta penyakit yang diderita. Untuk mengetahui jenis daun akan menggunakan metode euclidean distance, dimana daun yang digunakan sebagai objek penelitian merupakan daun kopi robusta dan daun kopi arabika. Untuk penyakit pada daun kopi terdapat berbagai macam, namun penyakit yang digunakan sebagai objek penelitian hanyalah penyakit brown eye spot. Pendeteksian penyakit dilakukan menggunakan metode hough transform, dikarenakan metode ini dapat digunakan untuk mendeteksi lingkaran yang merupakan gejala dari penyakit brown eye spot . Tujuan dalam penelitian ini yaitu untuk menganalisa keefektifan dari metode yang digunakan, yang pertama yaitu tingkat akurasi euclidean distance untuk mendeteksi daun uji coba antara daun kopi arabika dan daun kopi robusta. Metode yang kedua menganalisa tingkat keefektifan tingkat akurasi dalam pendeteksian penyakit brown eye spot pada daun uji coba menggunakan hough transform. Uji coba dilakukan terhadap 7 daun kopi arabika dan 4 daun kopi robusta menggunakan Matlab R2017a, dimana hasil tidak terjadi kekeliruan terhadap pendeteksian tehrhadap daun uji coba, ketujuh daun kopi arabika dikenali sebagai daun kopi arabika, dan keempat daun kopi robusta dikenali sebagai daun kopi robusta. Pada metode kedua untuk pendeteksian penyakit brown eye spot pada daun uji coba didapatkan keakurasian pada daun arabika sebesar 55% dan untuk daun kopi robusta sebesar 50%.
Kemajuan teknologi dibidang robotika membuat banyak kegiatan manusia yang dapat dilakukan secara otomatis oleh robot. Salah satu kegiatan yang dapat dilakukan oleh robot adalah proses pemotongan rumput menggunakan autonomous mobile robot yang mampu berperilaku secara mandiri. Penelitian ini bertujuan untuk merancang sebuah sistem navigasi robot pemotong rumput yang dapat melakukan tugasnya secara mandiri dalam memotong rumput. Sensor yang digunakan pada penelitian ini yaitu rotary encoder dan sensor ultrasonik. Pengujian sensor rotary encoder pada gerak lurus didapatkan tingkat keakkuratan dengan rata-rata error sebesar 4.07% , pada gerak rotasi ke kanan dengan rata-rata error sebesar 4.03% dan gerak rotasi ke kiri dengan error rata-rata 5.05%. Pengujian sensor ultrasonik dengan range jarak 5cm didapatkan tingkat keakuratan dengan error rata-rata sebesar 1.08%. Pengujian pemotongan rumput dilakukan dengan jumlah dan posisi halangan yang berbeda. Pada pengujian pertama dengan 1 halangan didapatkan tingkat akurasi dengan error terbesar sebesar 5 cm dan menyisakan rumput ±10%. Pengujian kedua dilakukan dengan dua halangan dan didapatkan tingkat akurasi dengan error terbesar sebesar 6 cm dan menyisakan rumput ± 20%. Pengujian ketiga dilakukan dengan dua halangan namun dengan posisi yang berbeda dari sebelumnya. Pada pengujian ketiga didapatkan tingkat akurasi dengan error terbesar sebesar 4 cm dan juga menyisakan rumput ±20%.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.