SKRIPSI DIGITAL
Rancang Bangun Sistem Deteksi Jamur Kulit pada Pogona vitticeps Berbasis Deep Learning dan Internet of Things = Design and Implementation of a Deep Learning and Internet of Things-Based System for Detecting Skin Fungus in Pogona vitticeps
Cahaya Jaya Prabasa dan Nurul Hidayah, “Rancang Bangun Sistem Deteksi Jamur Kulit pada Pogona vitticeps berbasis Deep Learninng dan Internet of Things”, Tugas Akhir Program Studi Sarjana Terapan Teknik Telekomunikasi, Jurusan Teknik Elektro Politeknik Negeri Semarang, dibawah bimbingan Dr. Ir. Eko Supriyanto.,S.T.,M.T.,IPM dan Ir. Roni Apriantoro, S.Tr.T., M.Tr.T. Pogona vitticeps rentan terhadap infeksi yellow fungus disease yang dapat menyebabkan kerusakan jaringan kulit secara progresif apabila tidak terdeteksi sejak dini, sementara keterbatasan pemilik dalam mengenali gejala awal secara visual mendorong pengembangan sistem pemantauan berbasis teknologi. Tugas akhir ini membangun sistem pemantauan suhu dan deteksi jamur kulit pada Pogona vitticeps menggunakan metode Agile Scrum, dengan mengintegrasikan ESP32 dan sensor DS18B20 untuk memantau suhu, model YOLOv8n pada Raspberry Pi 4 Model B untuk mendeteksi lesi jamur melalui webcam, serta website Laravel dan Bot Telegram sebagai media informasi dan notifikasi. Data suhu dikirimkan ke database MySQL Hostinger melalui MQTT dan HTTP API, sementara hasil deteksi disajikan secara real-time melalui video streaming menggunakan Cloudflare Tunnel. Hasil pengujian menunjukkan sensor DS18B20 mencapai akurasi 98,22%, kendali relay otomatis berbasis NTP mencapai keberhasilan 100%, dan model YOLOv8n mencapai akurasi 97,17% dengan mAP50 98,62%, melampaui target 90%. Posisi kamera optimal diperoleh pada ketinggian 60 cm di Blok 2 dengan lampu daylight 12 watt (confidence 83,0%, akurasi 100%), dan sistem mampu mendeteksi hingga empat ekor Pogona vitticeps sekaligus, meski dapat gagal pada kondisi tumpang tindih tubuh yang parah. Pengujian Quality of Service menunjukkan delay transmisi data suhu 271,32 ms (kategori "Bagus") dengan data loss 0%, sementara pada tingkat infrastruktur jaringan diperoleh packet loss 0%, RTT rata-rata 38,37 ms, dan jitter 10,36 ms, seluruhnya masuk kategori "Sangat Bagus" berdasarkan standar TIPHON. Dengan demikian, sistem ini berpotensi menjadi solusi inovatif dalam mendukung pemantauan lingkungan dan deteksi dini infeksi jamur kulit pada Pogona vitticeps berbasis IoT dan deep learning. Kata kunci: Pogona vitticeps, yellow fungus disease, YOLOv8n, deep learning, IoT, ESP32, Raspberry Pi, Bot Telegram, monitoring, deteksi jamur kulit.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah