http://repository.ipb.ac.id/handle/123456789/25 Undergraduate Final Assignments of IPB's bachelor student 2026-08-13T07:49:23Z http://repository.ipb.ac.id/handle/123456789/178530 Implementasi Sistem Monitoring Kualitas Udara Berbasis IoT untuk Lingkungan Belajar Sehat dan Produktif di LPK SAMIT Saputra, Bima Prawang Kualitas udara dalam ruangan memengaruhi kenyamanan, kesehatan, dan konsentrasi penghuni. Penelitian ini bertujuan merancang dan mengimplementasikan AirSense, sistem pemantauan kualitas udara berbasis Internet of Things (IoT) untuk lingkungan belajar LPK Samit. Sistem mengintegrasikan ESP32, DHT22, MQ-135, GP2Y1014AU0F, ADS1115, serta aplikasi MERN Stack dengan MongoDB. Data disajikan melalui dasbor web dan dianalisis menggunakan metode Z-score serta model bahasa besar untuk menghasilkan ringkasan dan rekomendasi. Hasil implementasi menunjukkan bahwa pembacaan sensor, pengiriman, penyimpanan, visualisasi, dan analisis berjalan secara terintegrasi. Data perangkat ESP32-ADS1115-LIVE-01 selama 1 Januari sampai 26 Maret 2026 berjumlah 121.501 rekaman dengan interval dominan satu menit. Rata-rata PM2.5 dan PM10 masing-masing sebesar 2,93 µg/m³ dan 4,08 µg/m³, sedangkan suhu, kelembapan, estimasi CO2, dan indikator VOC masing-masing sebesar 26,07 °C, 56,41%, 604,77 ppm, dan 1,95. Suhu dan kelembapan merupakan hasil ukur langsung, sedangkan PM10, CO2, VOC, AQI, dan kategori mutu udara berupa estimasi atau data turunan untuk pemantauan tren.; Indoor air quality affects occupant comfort, health, and concentration. This project aimed to design and implement AirSense, an Internet of Things (IoT)-based air quality monitoring system for the learning environment at LPK Samit. The system integrates an ESP32, DHT22, MQ-135, GP2Y1014AU0F, ADS1115, and a MERN Stack application with MongoDB. Measurements are presented through a web dashboard and analyzed using the Z-score method and a large language model to generate summaries and recommendations. The implementation results show that sensor acquisition, transmission, storage, visualization, and analysis operate as an integrated workflow. Data from device ESP32-ADS1115-LIVE-01, collected from 1 January to 26 March 2026, comprised 121,501 records with a dominant one-minute interval. Mean PM2.5 and PM10 values were 2.93 µg/m³ and 4.08 µg/m³, while temperature, relative humidity, estimated CO2, and the VOC indicator averaged 26.07 °C, 56.41%, 604.77 ppm, and 1.95, respectively. Temperature and humidity were direct measurements, whereas PM10, CO2, VOC, AQI, and air-quality categories were estimated or derived for trend monitoring. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/178529 Implementasi Sistem IoT Monitoring Unsur Hara Tanah Berbasis Machine Learning FAIQ, SAUQI MUHAMMAD Pertanian modern menuntut efisiensi pengujian kesuburan lahan. Penelitian ini merancang purwarupa Soil Integrated Tracking and Sensing atau SITRAS, sistem monitoring berbasis Internet of Things dan Machine Learning untuk rekomendasi pemupukan presisi. Sistem mengakuisisi Nitrogen, Fosfor, dan Kalium sebagai parameter utama, beserta parameter lingkungan sekunder menggunakan sensor RS485 7 in 1 yang diproses melalui mikrokontroler ESP32 S3. Guna menekan galat fisis sensor, algoritma Polynomial Ridge Regression tingkat tiga diterapkan. Model ini sukses menurunkan simpangan Mean Absolute Error sebesar 96.6 persen untuk Fosfor dan 81.9 persen untuk Kalium. Data terkalibrasi kemudian diproses algoritma K Nearest Neighbors untuk memetakan takaran pupuk Urea, SP36, dan KCl pada tanaman padi, jagung, dan kedelai. Evaluasi membuktikan prapemrosesan data adaptif ini berhasil mendongkrak akurasi ketepatan dosis secara masif. Persentase takaran SP36 dan KCl yang keduanya benar melonjak dari 10.5 persen pada sensor mentah menjadi 94.7 persen, dengan rerata akurasi benar total 97.35 persen. SITRAS terbukti menghadirkan solusi teknologi objektif guna mendukung pertanian berkelanjutan.; Modern agriculture demands efficient soil fertility testing. This research designed Soil Integrated Tracking and Sensing or SITRAS, an Internet of Things and Machine Learning based monitoring system for precise fertilization recommendations. The system acquires Nitrogen, Phosphorus, and Potassium as primary parameters, along with secondary environmental parameters using a 7 in 1 RS485 sensor processed through an ESP32 S3 microcontroller. To minimize physical sensor errors, a third degree Polynomial Ridge Regression algorithm was applied. This model successfully reduced the Mean Absolute Error deviation by 96.6 percent for Phosphorus and 81.9 percent for Potassium. The calibrated data is then processed by a K Nearest Neighbors algorithm to map Urea, SP36, and KCl fertilizer doses for rice, corn, and soybeans. Evaluation proved that this adaptive preprocessing massively boosted dose accuracy. The percentage where both SP36 and KCl doses were correct jumped from 10.5 percent on the raw sensor to 94.7 percent, with an average total correct accuracy of 97.35 percent. SITRAS provides an objective technological solution to support sustainable agriculture. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/178528 Perencanaan Aplikasi Pembenah Tanah untuk Peningkatan Produksi Tomat Ceri di Lumbung Hirup Kabupaten Bandung Azmi, Ghassan Hauzannul Lumbung Hirup merupakan perusahaan hortikultura yang membudidayakan tomat ceri, namun produktivitas yang dihasilkan belum mampu memenuhi permintaan pasar secara optimal. Penelitian ini bertujuan menyusun perencanaan penggunaan pembenah tanah, menganalisis model bisnis menggunakan business model canvas (BMC), serta menganalisis kelayakan finansial setelah penerapan pembenah tanah. Hasil penelitian menunjukkan bahwa penerapan pembenah tanah berupa kombinasi dolomit, kompos, dan asam humat serta optimalisasi pemanfaatan lahan diharapkan mampu meningkatkan produktivitas tomat ceri. Penerapan strategi tersebut juga memberikan dampak positif terhadap model bisnis perusahaan serta meningkatkan total pendapatan usaha dari Rp7.869.900 menjadi Rp35.026.910. Nilai R/C ratio mengalami kenaikan dari 1,35 menjadi 2,41, nilai B/C ratio meningkat dari 0,35 menjadi 1,41.; Lumbung Hirup is a horticulture company that cultivates cherry tomatoes, but the productivity achieved hasn’t been able to fully meet market demand. This study aims to plan the use of soil conditioners, analyze the business model using the business model canvas (BMC), and assess financial feasibility after applying soil conditioners. The results show that applying soil conditioners in the form of a combination of dolomite, compost, and humic acid, along with optimizing land use, is expected to boost cherry tomato productivity. Implementing this strategy also positively impacts the company's business model and increases total business revenue from IDR 7.869.900 to IDR 35.026.910. The R/C ratio rose from 1,35 to 2,41, and the B/C ratio increased from 0,35 to 1,41. 2026-01-01T00:00:00Z http://repository.ipb.ac.id/handle/123456789/178527 Rancang Bangun Dashboard Integrasi Asset Discovery Tools di PT Negeri Seni Teknologi Ardhani, Muhammad Naufal PT Negeri Seni Teknologi adalah perusahaan keamanan siber yang memerlukan proses asset discovery untuk memetakan aset digital klien. Penggunaan Subfinder, Naabu, Nmap, dan Httpx secara terpisah menghasilkan data yang tidak terintegrasi dan sulit dianalisis. Penelitian ini mengembangkan AsseDisc, yaitu dashboard berbasis web yang mengintegrasikan keempat alat tersebut dalam satu pipeline otomatis menggunakan metode Rapid Application Development. Sistem dibangun dengan arsitektur tiga lapisan: frontend Next.js, backend FastAPI, dan modul eksekusi berbasis Docker. Penyimpanan data menggunakan format JSON dan komunikasi real time menggunakan Server-Sent Events. Pemindaian berjalan secara sekuensial melalui enumerasi subdomain, Pemindaian port, deteksi layanan, dan pemeriksaan status HTTP. Pengujian black box terhadap 11 skenario menunjukkan seluruh fungsi utama berjalan dengan tingkat keberhasilan 100%. Sistem ini memberikan solusi terpusat bagi analis keamanan dalam melakukan asset discovery lintas platform tanpa instalasi terpisah untuk setiap alat Pemindaian setelah Docker tersedia.; PT Negeri Seni Teknologi is a cybersecurity company that requires asset discovery to map client digital assets. The separate use of Subfinder, Naabu, Nmap, and Httpx produces non-integrated data that is difficult to analyze comprehensively. This study develops AsseDisc, 0061 web-based dashboard integrating these four tools into a single automated pipeline using the Rapid Application Development method. The system is built on a three-tier architecture consisting of a Next.js frontend, a FastAPI backend, and a Docker-based execution module. Data is stored in JSON format, while real-time communication between backend and frontend uses Server-Sent Events. The scanning process runs sequentially through subdomain enumeration, port scanning, service detection, and HTTP status verification. Functional testing using the black box testing method across 11 test scenarios shows that all core functions performed as expected, achieving a 100% success rate. This system provides a solution for security analysts to perform asset discovery without requiring separate installations for each scanning tool, once Docker is available 2026-01-01T00:00:00Z