Automatisasi Pembersihan Lantai Kandang Landak Mini dengan Algoritma You Only Look Once (YOLO) untuk Pendeteksian Kotoran

Aziz, Fadlan (2026) Automatisasi Pembersihan Lantai Kandang Landak Mini dengan Algoritma You Only Look Once (YOLO) untuk Pendeteksian Kotoran. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 01. Cover dan Abstrak.pdf - Published Version Download (240kB)
	Text (BAB I) 02. Bab I.pdf - Published Version Download (347kB)
	Text (BAB V) 03. Bab V.pdf - Published Version Download (130kB)
	Text (Daftar Pustaka) 04. Daftar Pustaka.pdf - Published Version Download (142kB)
	Text (Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Landak mini (Atelerix albiventris) semakin populer sebagai hewan peliharaan eksotis, namun karakteristik sensoriknya yang didominasi penciuman dan pendengaran menjadikannya rentan stres akibat perubahan lingkungan, terutama kandang yang kotor. Kebersihan kandang yang buruk memicu akumulasi bau, dan risiko parasit seperti tungau, yang dapat berujung pada gangguan pencernaan, infeksi, dan masalah pernapasan. Penelitian ini bertujuan merancang dan mengevaluasi sistem pembersihan lantai kandang landak mini berbasis computer vision dengan algoritma You Only Look Once (YOLO) yang mampu mendeteksi kotoran secara presisi, melakukan pembersihan otomatis, serta menyediakan monitoring dan kontrol jarak jauh melalui smartphone. Kandang dibangun dengan 6 plat PETG yang diputar 180°, pembilasan oleh pompa submersible 12V, dan pemrosesan pada Raspberry Pi 4B dengan PCA9685, terintegrasi Google Cloud/Firebase dan aplikasi Flutter; streaming real-time menggunakan protokol WebRTC dipisahkan dari model deteksi untuk menjaga FPS. Model deteksi dilatih menggunakan varian YOLOv11s dengan hasil validasi menunjukkan precision 0,785, recall 0,753, mAP50 0,802 (mAP50-95 0,491) dengan mAP@0.5 keseluruhan 0,822; performa kelas landak tinggi (AP 0,969) sementara kotoran lebih rendah (AP 0,676) dengan FN tinggi akibat kemiripan pelet kayu. Aplikasi menampilkan streaming lancar (23–27 FPS; dropped frame 0) dan log deteksi; latensi kontrol tercatat memiliki waktu delay rendah, dan alur unggah bukti deteksi ke cloud sekitar 7,6 s. Sistem terbukti layak untuk pembersihan otomatis berbasis pemetaan area dengan interlock keamanan (pembersihan hanya saat kotoran terdeteksi dan landak tidak terdeteksi), namun peningkatan dataset dengan data negatif dan optimasi mekanik serta kemungkinan migrasi inferensi ke cloud berpotensi meningkatkan reliabilitas.

Actions (login required)

View Item