http://repository.ipb.ac.id/handle/123456789/151265 2026-09-23T23:05:49Z http://repository.ipb.ac.id/handle/123456789/179984 Pengembangan Stasiun Penyemprotan Pestisida Terintegrasi UGV untuk Pengendalian Anthracnose pada Tanaman Cabai. ASSARIY, MUHAMMAD FAIZ Antraknosa akibat Colletotrichum spp. dapat menurunkan hasil cabai 10–80%, sehingga diperlukan penyemprotan pestisida presisi. Penelitian ini mengembangkan stasiun penyemprotan berbasis ESP32 yang menerima indeks keparahan dari klien pengirim melalui kanal WebSocket secara waktu nyata, dengan Unmanned Ground Vehicle sebagai sumber data yang dirancang. Sistem menghitung volume kanopi, memilih tangki berdasarkan ambang keparahan, serta menentukan volume aplikasi dan durasi pompa. Dalam uji jangkauan, asosiasi masih terbentuk sampai 50 m dengan sambungan yang tidak lagi mantap dan tidak terbentuk pada 65 m. Untuk kanopi 300 × 50 × 80 cm, volume target berada di bawah batas bawah volume aman sehingga sistem menetapkan volume aplikasi 180 mL dengan durasi semprot 14,29 s. Pengujian laboratorium memakai air tanpa tanaman uji dan inokulasi patogen. Efektivitas biologis berada di luar lingkup penelitian. Purwarupa menunjukkan kelayakan fungsional sebagai dasar verifikasi lapangan.; Anthracnose caused by Colletotrichum spp. can reduce chili yield by 10–80%, requiring precise pesticide application. This study developed an ESP32-based spraying station that receives a severity index from a sending client over a real-time WebSocket channel, with an Unmanned Ground Vehicle as the intended data source. The system calculates canopy volume, selects a tank by severity threshold, and determines application volume and pump duration. During range testing, association still formed up to 50 m, though the link was no longer steady, and did not form at 65 m. For a 300 × 50 × 80 cm canopy, the target volume fell below the lower safety bound, so the system set the application volume at 180 mL with a 14.29 s spray duration. Laboratory testing used water without test plants or pathogen inoculation. Biological efficacy was outside the scope. The prototype demonstrated functional feasibility as a basis for field verification. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/179983 Pengembangan Alat Pemantau Ketinggian Air dan Curah Hujan Menggunakan Sensor Ultrasonik serta Hall Effect. Wirayuda, Bayu Mukti BAYU MUKTI WIRAYUDA. Pengembangan Alat Pemantau Ketinggian Air dan Curah Hujan Menggunakan Sensor Ultrasonik serta Hall Effect. Dibimbing oleh MEDHANITA DEWI RENANTI. Curah hujan dapat memengaruhi ketinggian air sungai sehingga diperlukan sistem pemantauan otomatis jarak jauh. Penelitian ini bertujuan mengembangkan alat pemantauan curah hujan dan ketinggian air berbasis Internet of Things serta menganalisis hubungan kedua parameter. Penelitian kuantitatif dilakukan melalui perancangan, implementasi, kalibrasi, pengujian, pengumpulan data, dan regresi linear sederhana. Sistem menggunakan ESP32 S3, sensor ultrasonik JSN-SR04T, dan sensor hall effect KY-003 pada mekanisme tipping bucket. Data dikirimkan setiap lima menit ke ThingSpeak dan Telegram. Kalibrasi sensor ultrasonik menghasilkan Mean Absolute Percentage Error 1,75%, sedangkan satu pulsa tipping bucket setara dengan 0,52 mm curah hujan. Sebanyak 90 data dikumpulkan di Sungai Ciluar pada 17–27 April 2026. Persamaan regresi yang diperoleh ialah Y= 79,3182 - 0,1587X, dengan R^2= 0,0335 dan p= 0,0843. Hubungan kedua parameter sangat lemah dan tidak signifikan. Sistem menyediakan data pemantauan otomatis untuk analisis lanjutan. Kata kunci: curah hujan, hall effect, internet of things, ketinggian air, regresi linear; BAYU MUKTI WIRAYUDA. Development of Water Level and Rainfall Monitoring Device Using Ultrasonic and Hall Effect Sensors. Supervised by MEDHANITA DEWI RENANTI. Rainfall may affect river water levels; therefore, an automated remote monitoring system is required. This study aimed to develop an Internet of Things-based rainfall and water level monitoring device and analyze the relationship between both parameters. A quantitative approach included design, implementation, calibration, testing, data collection, and simple linear regression. The system used an ESP32 S3, a JSN-SR04T ultrasonic sensor, and a KY-003 hall effect sensor with a tipping bucket mechanism. Data were transmitted to ThingSpeak and Telegram every five minutes. Ultrasonic sensor calibration resulted in a Mean Absolute Percentage Error of 1,75%, while one tipping bucket pulse represented 0,52 mm of rainfall. A total of 90 observations were collected at the Ciluar River from 17 to 27 April 2026. The regression model was Y= 79,3182 - 0,1587X, with R^2= 0,0335 and p= 0,0843. The relationship was very weak and not significant. The system provides automatic monitoring data for further analysis. Keywords: hall effect, internet of things, linear regression, rainfall, water level 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/179958 Sistem Monitoring dan Kontrol Kualitas Air Akuarium Berbasis Internet of Things untuk Meningkatkan Akurasi dan Otomatisasi Pemeliharaan TSABIT, MUHAMMAD Kualitas air akuarium meliputi suhu, pH, Total Dissolved Solids (TDS), dan turbidity, perlu dipantau dan dikendalikan secara presisi untuk menjaga kesehatan ikan, namun pemantauan yang masih dilakukan secara manual belum memungkinkan pemantauan jarak jauh maupun otomatisasi.. Penelitian ini merancang sistem monitoring dan kontrol berbasis ESP32 dan IoT menggunakan sensor DS18B20, pH, TDS, dan turbidity melalui modul ADS1115, dengan penyimpanan data pada Supabase dan dashboard berbasis Next.js. Akurasi sensor dievaluasi terhadap alat ukur referensi selama 10 hari menggunakan Mean Error, MAE, RMSE, MAPE, dan standar deviasi error. Hasil menunjukkan sensor suhu, pH, dan TDS berakurasi sangat tinggi (MAPE 0,953%; 0,677%; 3,389%), sedangkan turbidity berakurasi baik (MAPE 12,62%). Kontrol otomatis pompa pengurasan dan pengisian air tervalidasi 100% terhadap 960 data pengujian, dengan seluruh data terpantau secara real-time melalui dashboard web. Sistem yang dikembangkan terbukti akurat dan andal untuk mendukung pemeliharaan akuarium secara otomatis dan efisien.; Aquarium water quality covering temperature, pH, Total Dissolved Solids (TDS), and turbidity must be precisely monitored and controlled to maintain fish health, but monitoring that is still done manually does not yet allow for remote access or automation. This study designed an IoT-based monitoring and control system on the ESP32 microcontroller, using DS18B20, pH, TDS, and turbidity sensors via an ADS1115 module, with data storage on Supabase and a Next.js dashboard. Sensor accuracy was evaluated against a reference instrument over 10 days using Mean Error, MAE, RMSE, MAPE, and standard deviation of error. Results show the temperature, pH, and TDS sensors achieved very high accuracy (MAPE of 0.953%, 0.677%, and 3.389%), while turbidity achieved good accuracy (MAPE 12.62%). The automatic drainage and refill pump control was validated with 100% consistency across 960 test data points, with all data viewable in real time via the web dashboard. The developed system proved accurate and reliable for automated, efficient aquarium maintenance. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/179950 Implementasi Smart Real-time Notification Assistant Terintegrasi Cloud Vision AI untuk Reduksi Response Time Ridan, T. Fikri Nabil Sistem pelaporan dan penanganan kerusakan fasilitas sering terkendala keterlambatan penyampaian informasi, ketidaktepatan dokumentasi, dan proses monitoring yang kurang efektif. Mekanisme komunikasi manual antara pengguna dan petugas menyebabkan respons menjadi lambat dan mengurangi efisiensi perbaikan. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan pengembangan sistem pelaporan kerusakan berbasis Internet of Things (IoT) menggunakan ESP32, platform web, dan AI Assistant untuk analisis gambar kerusakan. Laporan dan foto kerusakan diunggah melalui aplikasi web dan ditampilkan sebagai notifikasi real-time pada perangkat. Saat notifikasi dibuka, sistem menampilkan detail laporan dan melakukan analisis visual menggunakan model vision AI untuk memberikan rekomendasi perbaikan awal. Evaluasi dilakukan melalui pengujian fungsi perangkat, validasi hasil analisis AI, dan penilaian efektivitas notifikasi. Pengembangan sistem ini diharapkan mampu mempercepat waktu respons, meningkatkan akurasi dokumentasi, dan mendukung pengambilan keputusan teknis secara lebih optimal.; Facility damage reporting and handling systems often face issues such as delayed information delivery, inaccurate documentation, and ineffective monitoring processes. Manual communication between users and technicians slows response time and reduces repair efficiency. To address these challenges, this research proposes the development of an IoT-based facility damage reporting system using the ESP32, a web platform, and an AI Assistant for image-based damage analysis. Damage reports and photos are submitted through a web application and displayed as real-time notifications on the device. When opened, the system presents report details and performs automated visual analysis using a vision-based AI model to provide preliminary repair recommendations. System evaluation includes functional device testing, validation of AI analysis results, and assessment of notification effectiveness. The system is expected to improve response speed, enhance documentation accuracy, and support more effective technical decision-making. 2026-01-01T00:00:00Z