Text

Pengembangan dan implementasi teknik fusi data multi sensor untuk pemetaan kondisi lingkungan pada purwarupa sistem pertanian presisi

Perkembangan teknologi komputasi dan sistem komunikasi dalam konteks Industri 4.0 telah memungkinkan dilakukannya proses pengumpulan dan analisis berbasis data (doto-driven) untuk memodelkan, memprediksi (forecasting) dan mempelajari secara autodidak (self-learning) dinamika suatu sistem. Salah satu aplikasi kerangka kerja (framework) Industri 4.0 adalah pada pengembangan teknologi pertanian presisi (preision agriculture). Secara khusus dalam konteks ini, saat ini sedang dilakukan berbagai upaya studi dan penelitian terkait pemenuhan kebutuhan implementasi sistem pertanian presisi yang mencakup pemetaan kondisi lingkungan tempat pemasangan sistem pertanian presisi secara cepat dan efisien.

Usulan kegiatan penelitian ini adalah untuk merancang dan mengembangkan sistem fusi data multi sensor untuk sensing, pemetaan (mopping), dan monitoring kondisi lingkungan dalam konteks implementasi pertanian presisi. Fusi data multi sensor merupakan suatu metoda pengambilan keputusan (decision making) yang didasarkan pada pengolahan berbagai informasi/data hasil pengukuran berbagai sensor. Metoda sensing dan monitoring yang dikembangkan akan menggabungkan data dari sensor global (seperti GPS), sensor lokal (seperti sensor temperatur, kelembapan, curah hujan) maupun sensor bergerak (on-board sensors seperti Byrometer, accelerator, dan kamera pada drone). Informasi/data dari berbagai sensor ini akan dikirimkan melalui jaringan komunikasi nirkabel kepada suatu control station untuk kemudian digunakan dalam penentuan kondisi lingkungan di lokasi pemasangan sistem pertanian presisi.

Metode fusi data yang digunakan pada penelitian ini adalah teknik sparse dato fusion Sparse data fusion pada dasarnya merupakan suatu algoritme pembelajaran mesin (machine learning) yang ditujukan untuk memperoleh model dengan kompleksitas dan komputasi yang sesederhana mungkin sehingga mampu mengakomodasi proses pencocokan model (model fitting) menggunakan data skala besar. Dengan menggabungkan informasi berbagai sensor tersebut, diharapkan informasi kondisi lingkungan dapat dilakukan dengan lebih presisi/teliti. Selain itu penelitian ini juga akan mengeksplorasi pengembangan sistem kontrol multi-drone berbasis strategi kontrol kooperatif (cooperative control). Teknik kontrol yang dikembangkan diharapkan dapat digunakan untuk memetakan kondisi lingkungan tempat pemasangan sistem pertanian presisi.

Penelitian ini diharapkan dapat mencapai beberapa tujuan sebagai berikut:
• Dikembangkannya sistem multi sensor dan multi drone untuk memetakan kondisi lingkungan tempat pemasangan sistem pertanian presisi secara otomatis
• Dikembangkannya teknik sparse dato fusion untuk melakukan pemetaan variabel spasial dan temporal lingkungan pertanian secara real time
• Dikembangkannya sistem kontrol kooperatif untuk pengoperasian beberapa drone dalam mendukung tugas pengumpulan data pada sistem pertanian presisi yang ditinjau Pada akhir kegiatan penelitian ini, telah dikembangkan suatu sistem monitoring hama tanaman yang merupakan kombinasi dari sistem jaringan sensor nirkabel (wireless sensor network) dan komputasi berbasis awan (cloud computing) untuk tujuan implementasi sistem pertanian presisi. Sistem monitoring yang dibangun sejauh ini akan dikembangkan lebih lanjut dengan pengembangan sistem fusi data multi sensor untuk menggabungkan dan mengolah data dari berbagai sensor pada jaringan sensor nirkabel yang telah dibangun.

Ketersediaan

Informasi Detail

Judul Seri

No. Panggil

624.1 PEN

Penerbit

Bandung : Lembaga Penelitian dan Pengabdian Kepada Masyarakat UNPAR., 2022

Deskripsi Fisik

19 p. : ill . ; 29 cm.

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

WIRELESS SENSOR NETWORK
SPARSE REPRESENTATION
SISTEM PERTANIAN PRESISI
SENSOR DATA FUSION

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Tua Agustinus Tamba, Bagus Made Arthaya, Dedy Suryadi, Levin Halim, Jonathan Chandra, Hernando Zhang, Gabriela Solaiman

Versi lain/terkait

Lampiran Berkas

Komentar