Diseminasi Aplikasi Prediksi Produksi Jamur Tiram berdasarkan Data Kondisi Suhu dan Kelembaban Kumbung Jamur
Kata Kunci:
Sistem Klasifikasi, Kumbung Jamur Tiram, UKMAbstrak
Sudah 2 tahun lebih dunia ini digemparkan dengan adanya pandemi yakni merebaknya virus corona jenis baru dengan nama corona disease virus 2019 (COVID-19). Seiring dengan terus menurunnya kasus kejadian di masa pandemi covid-19, setelah kemunculan varian omicron, Perbaikan kondisi ekonomi juga terus berjalan. UKM yang bergerak di bidang budidaya jamur menjadi salah satu UKM yang harus kembali bangkit. Salah satu UKM pembudidaya jamur tiram tersebut adalah UKM Paramartha yang berlokasi di Desa Rambipuji, Kabupaten Jember. Oleh karena itu, dalam kegiatan pengabdian ini diusulkan penerapan teknologi yang sudah diteliti terlebih dahulu di tahun lalu untuk mendukung mitra. Teknologi tersebut adalah berupa sebuah sistem yang dapat memprediksi atau memprakirakan hasil produksi yang didapatkan nantinya. Aplikasi prediksi produksi jamur adalah sebuah website yang dapat meramalkan prakiraan produksi jamur berdasar pada suhu dan kelembaban yang ada pada kumbung jamur. Kegiatan pengabdian yang bertujuan untuk memberikan penguatan melalui aplikasi teknologi yang dapat memberikan informasi prediksi hasil produksi jamur tiram sehingga mitra dapat menjaga hasil produksi yang dihasilkan ini telah dilaksanakan dengan berhasil. Tujuan dari kegiatan ini juga telah tercapai, hal ini dapat ditunjukan selama tahap pendampingan dan monitoring berkala sudah terdapat peningkatan kapasitas produksi mitra dari segi bisnis dan mitra juga bekerjasama dengan kumbung jamur rumahan yang ada di Desa Rambipuji.
Unduhan
Referensi
Yuliana, “Corona virus diseases (Covid -19); Sebuah tinjauan literatur,” Wellness and healthy magazine, vol. 2, no. 1, pp. 187–192, 2020.
J. G. Rizal, “Update Corona Dunia 12 April: 10 Negara dengan Kasus Terbanyak | 136 Juta Kasus Covid-19,” Kompas.com, 2021. https://www.kompas.com/tren/read/2021/04/12/112900465/update-corona-dunia-12-april-10-negara-dengan-kasus-terbanyak-136-juta?page=all (accessed Apr. 14, 2021).
I. G. Wiryawan, E. Mulyadi, S. Choirunnisa, P. Destarianto, and K. Agustianto, “Oyster mushroom house conditions classification using K-Nearest Neighbor,” IOP Conf. Ser. Earth Environ. Sci., vol. 980, no. 1, 2022, doi: 10.1088/1755-1315/980/1/012059.
F. Balducci, D. Impedovo, and G. Pirlo, “Machine learning applications on agricultural datasets for smart farm enhancement,” Machines, vol. 6, no. 3, 2018, doi: 10.3390/machines6030038.
A. Nigam, S. Garg, A. Agrawal, and P. Agrawal, “Crop Yield Prediction Using Machine Learning Algorithms Aruvansh,” in Proceedings of the IEEE International Conference Image Information Processing, 2019, vol. 2019-Novem, pp. 125–130.
K. N. Bhanu, H. J. Jasmine, and H. S. Mahadevaswamy, “Machine learning Implementation in IoT based Intelligent System for Agriculture,” 2020 Int. Conf. Emerg. Technol. INCET 2020, pp. 1–5, 2020, doi: 10.1109/INCET49848.2020.9153978.
K. Agustianto, R. Wardana, P. Destarianto, E. Mulyadi, and I. G. Wiryawan, “Development of automatic temperature and humidity control system in kumbung (oyster mushroom) using fuzzy logic controller,” IOP Conf. Ser. Earth Environ. Sci., vol. 672, no. 1, 2021, doi: 10.1088/1755-1315/672/1/012090.
D. R. Hartadi et al., “Adaptive Temperature and Humidity Control System on Kumbung Mushroom using Fuzzy Neural Network Algorithm,” IOP Conf. Ser. Earth Environ. Sci., vol. 980, no. 1, 2022, doi: 10.1088/1755-1315/980/1/012063.
S. Rodríguez, T. Gualotuña, and C. Grilo, “A System for the Monitoring and Predicting of Data in Precision Agriculture in a Rose Greenhouse Based on Wireless Sensor Networks,” Procedia Comput. Sci., vol. 121, pp. 306–313, 2017, doi: 10.1016/j.procs.2017.11.042.
