No abstract

No abstract

No abstract

No abstract

No abstract

No abstract

Petani membutuhkan informasi pertanian dan pengetahuan yang relevan untuk membuat keputusan yang berpengetahuan dan untuk memenuhi kebutuhan informasi. Penerapan Teknologi Informasi dan Komunikasi (TIK) telah terbukti memperluas peluang untuk mempromosikan pertanian pada beberapa aspek dan domain di negara berkembang. Internet of Things (IoT) merupakan sebuah paradigma dalam teknologi komunikasi yang terbaru saat ini yang membuat konsep zaman depan semakin lebih tampak, di mana semua benda di kehidupan sehari-hari akan dibekali dengan perangkat mikrokontroler, teknologi wireless digital, dan kumpulan protokol-protokol   sesuai yang  membuat mereka  saling berkomunikasi antar satu dengan lainnya dan kemudian pengguna, menjadi bagian integral dari Internet. Konsep IoT ada  bertujuan agar internet lebih imersif dan meresap. Selain itu, dengan memungkinkan akses dan interaksi yang mudah dengan perangkat elektronis lainnya. Teknologi  IoT sangat tepat untuk di realisasikan  pada bidang pertanian hal ini dikarenakan fungsi elektronisasi yang disediakan oleh IoT mampu menjawab semua tantangan yang di miliki oleh para petani.  Sensor-sensor yang dimiliki IoT mampu dalam mendeteksi tingkat kesuburan tanah, pengendalian penyakit maupun hama. Dan juga teknologi wireless yang ada mampu untuk mendeteksi cuaca dan iklim. Kemudian produk teknologi IoT mampu dalam penjadwalan otomatisasi penyiraman, penyemprotan pestisida dan pemupukan. Oleh karenanya tim peneliti sangat tertarik untuk mengembangkan Teknologi IoT dalam agribisnis pertanian.

This paper presents a new statistical-based method of cutting tool wear progression in a milling process called Z-rotation method in association with tool wear progression. The method is a kurtosis-based that calculates the signal element variance from its mean as a measurement index. The measurement index can be implicated to determine the severity of wear. The study was conducted to strengthen the shortage in past studies notably considering signal feature extraction for the disintegration of non-deterministic signals. The Cutting force and vibration signals were measured as a tool of sensing element to study wear on the cutting tool edge at the discrete machining conditions. The monitored flank wear progression by the value of the RZ index, which then outlined in the model data pattern concerning wear and number of samples. Throughout the experimental studies, the index shows a significant degree of nonlinearity that appears in the measured impact. For that reason, the accretion of force components by Z-rotation method has successfully determined the abnormality existed in the signal data for both force and vibration. It corresponds to the number of cutting specifies a strong correlation over wear evolution with the highest correlation coefficient of R2 = 0.8702 and the average value of R2 = 0.8147. The index is more sensitive towards the end of the wear stage compared to the previous methods. Thus, it can be utilised to be the alternative experimental findings for monitoring tool wear progression by using threshold values on certain cutting condition.