Optimization of Temperature and Relative Humidity in an Automatic Egg

Incubator Using Mamdani Fuzzy Inference System

Abstrak—Suhu dan kelembaban merupakan dua faktor dasar yang harus dikontrol selama
inkubasi telur. Tingkat suhu dan kelembaban yang tidak tepat selama inkubasi periode sering
mengakibatkan kondisi yang tidak diinginkan. Makalah ini mengusulkan desain sistem inferensi
fuzzy Mamdani yang efisien alih-alih sistem Takagi-Sugeno yang banyak digunakan di bidang
iniuntuk mengontrol suhu dan tingkat kelembapan telur inkubator. Padahal suhu inkubasi
optimum dantingkat kelembaban yang digunakan di sini adalah telur ayam, yang diusulkan
metodologi ini berlaku untuk spesies unggas lainnya juga. Itufungsi input telah digunakan di sini
sesuai dengan nilai perkiraan untukpenetasan aman menggunakan Mamdani sedangkan
metode defuzzifikasi, Center of Area (COA), telah diterapkan untuk output. Dari keluaran
model, panas yang stabil dari tingkat suhu dan kipaskecepatan untuk mengontrol tingkat
kelembaban inkubator telur dapat diperoleh. Ini memaksimalkan tingkat penetasan anak ayam
yang sehat dalam kondisi apapun di lapangan. Istilah Indeks—kecerdasan buatan, sistem
kontrol, logika fuzzy, kelembaban, inkubator, Mamdani, Takagi-Sugeno, suhu, sensor.

I. INTRODUCTION

Pentingnya mesin penetas telur dalam mencapai hasil akhir tujuan industri perunggasan yaitu
meningkatkan daya tetas Tingkat dan hasil menetaskan burung yang sehat tidak bisa dipungkiri.
Jika suhu terlalu tinggi atau terlalu rendah selama inkubasi, masalah seperti embrio mati pada
tahap awal, terbelakang atau lumpuh anak ayam, penetasan awal dan sebagainya mungkin
timbul. Di samping itu, jika tingkat kelembaban tidak dijaga dengan baik, embrio akan
menempel ke cangkang, embrio mati sebelum pipping, kematian awal broiler dan banyak
kesulitan lainnya muncul. Selama dekade terakhir, pertumbuhan yang cepat telah terlihat di
permintaan konsumen di negara berkembang untuk ternak produk. Kenaikan permintaan
tersebut dipenuhi oleh koresponden peningkatan produksi daging dan telur unggas. Kasus
komparatif penelitian telah menunjukkan bahwa di negara-negara seperti India, Cina, Thailand,
Brasil, dan Mesir, pendapatan per kapita rata-rata berperan peranan penting dalam
menentukan tingkat konsumsi daging. Produksi telur dunia telah meningkat lebih dari 150
persen dalam tiga dekade terakhir. Pertumbuhan ini lebih terlihat di Asia di mana produksi
telah meningkat hampir empat kali lipat. Dunia produksi daging unggas melonjak dari 9 menjadi
122 juta ton antara tahun 1961 dan 2017 sedangkan produksi telur melonjak dari 15 hingga 87
juta ton [1]. Pada tahun 2025, unggas global produksi diperkirakan akan mengalami kenaikan
sebesar 24% mencapai 1.44.682 ribu ton sekitar [2].

Dalam konteks ini, pertanyaan membara yang jelas perlu harus ditangani adalah seberapa
efektif fisik saat ini kondisi inkubasi? Apakah mereka cukup efektif untuk meningkatkan daya
tetas dan kualitas anak ayam yang lebih baik? Apakah merekacukup efektif sehingga dalam
kondisi yang merugikan, mereka dapat menunjukkan kinerja yang lebih baik di lapangan dan
memastikan lebih tinggi tingkat kelangsungan hidup? Sebagai prospek baru dan masa depan
untuk inkubasi, dan sistem yang efisien telah diusulkan dalam makalah ini yang menstabilkan
output pemanas dan mengontrol kecepatan kipas otomatis mesin penetas telur. Dalam
sebagian besar kasus inkubasi, suhu dikendalikan secara manual sedangkan tingkat kelembaban
dikelola dengan menambahkan air ke baki air built-in di bagian bawah sebuah inkubator. Sistem
di sini mengambil input dari sensor (DHT22) dan fuzzy Mamdani berbasis kecerdasan buatan
sistem inferensi yang dirancang di sini membandingkannya dengan yang diperlukan nilai-nilai
optimal. Panas keluaran disesuaikan dengan suhu input dan kecepatan kipas pelembab
dipertahankan selama proses untuk kelembaban yang benar. Seperti embrio jangan kehilangan
kelebihan air dan tingkat kematian sangat besar berkurang.

II. PEKERJAAN YANG BERHUBUNGAN

Banyak peneliti telah mempresentasikan karya mereka tentang incubator mencoba

mengembangkan model yang lebih efisien sepanjang waktu. Satu di antaranya termasuk
optimalisasi suhu di incubator menggunakan inferensi fuzzy dan IoT [3]. Makalah lain
membahas desain inkubator menggunakan pendekatan STEM [4]. Selain itu, sistem inkubator
listrik berbasis mikro-kontroler telah dirancang [5]. Pengontrol suhu dan kelembaban telah
diimplementasikan melalui FPGA [6]. Sebuah mesin penetas telur puyuh memiliki telah
dirancang menggunakan mikrokontroler Arduino dan IoT [7]. Kontrol logika fuzzy telah
digunakan dalam merancang private sistem pemanas rumah [8]. Dalam makalah ini, studi
banding memiliki telah dilakukan pada pengelolaan suhu di dalam inkubator penetasan telur
dari penerapan on/off dan pengontrol logika fuzzy menggunakan papan pengontrol mikro
berbiaya rendah dihubungkan dengan sensor suhu berbasis sirkuit terpadu dan perangkat lunak
LabVIEW 2015 [9]. Sebagian besar karya dalam hal ini lapangan telah dilakukan dengan
menggunakan inferensi fuzzy Takagi-Sugeno sistem tetapi metode yang diusulkan di sini
menggunakan Mamdani di mana output tidak dipertahankan konstan atau linier. Ini banyak
lebih efisien karena membutuhkan masukan linguistik suhu dan kelembaban yang tidak
berubah secara linier di alam.
III. METHODOLOGY

A. Input

Masukan diambil oleh sensor DHT22. sensor ini memiliki rentang pengukuran suhu dari -40
hingga +125 derajat Celcius dengan akurasi ±0,5 derajat. Selain itu, sensor memiliki rentang
pengukuran kelembaban yang jauh lebih efisien dari 0 hingga 100% dengan akurasi 2-5%.
Tegangan operasi DHT22 berkisar dari 3 hingga 5 volt sedangkan arus maksimum yang
digunakan saat mengukur adalah 25mA.

1) Suhu: Dalam inkubator telur ayam itu wajib untuk menjaga suhu di seluruh inkubasi proses.
Suhu optimal adalah 38°C (100.5°F) tetapi harus disimpan dalam kisaran antara 37-39°C.[3]

2) Kelembaban Relatif: Biasanya untuk telur ayam, proses inkubasi selesai dalam 21 hari.
Kelembaban relative harus 50-55% dalam 17 hari pertama dan harus 60-65% untuk hari ke 18-
21.

B. Fuzzifikasi

Dalam proses fuzzifikasi semua parameter telah didefinisikan sebagai variabel sesuai dengan
nilainya. Untuk parameter didefinisikan, bentuk fungsi keanggotaan adalah Segitiga dan fungsi
Gaussian masing-masing. Sesuai kebutuhan Fungsi segitiga untuk suhu, kelembaban, dan
kecepatan kipas memiliki telah digunakan. Fungsi segitiga dapat direpresentasikan sebagai:

Perubahan panas dalam inkubator harus lancar agar stabil menetas. Jadi, untuk panas, fungsi
Gaussian telah digunakan. SEBUAH Fungsi Gaussian dengan nilai pusat m dan simpangan baku
k>0 dapat direpresentasikan sebagai:

Untuk suhu ada tiga fungsi keanggotaan yang didefinisikan sebagai berikut:

Tetapi dalam kasus parameter input lain, yaitu relative kelembaban, kondisi untuk fungsi
keanggotaan harus didefinisikan dua kali. Kondisi pertama ditetapkan untuk 17 hari pertama
proses inkubasi kemudian sesuai dengan perubahan kelembaban persyaratan untuk hari 18-21,
perubahan telah dilakukan di berfungsi sebagai berikut:
Untuk inkubasi yang tepat, kelembaban relatif harus ditingkatkan setelah 17 hari sebesar 10-
15% yang dapat didefinisikan sebagai:

Setelah itu, keluaran dari proses inkubasi adalah diambil sebagai panas dan kecepatan kipas.
Fungsi keanggotaan dari perkiraan panas didefinisikan dalam kisaran antara 1-10. Itu
perubahan panas dalam inkubator harus lancar agar stabil menetas. Untuk alasan itu fungsi
Gaussian telah digunakan sebagai fungsi keanggotaan. Desain untuk ini diberikan di bawah ini:

Output kecepatan kipas juga telah dikategorikan menjadi tiga fungsi keanggotaan didefinisikan
dalam kisaran 1-10. Sosok itu dapat diamati di bawah ini:
C. Sistem Inferensi Fuzzy

Ada dua metode FIS. Mereka:

1. Sistem Inferensi Fuzzy Mamdani;

2. Model Fuzzy Takagi-Sugeno (Metode TS);

Dalam aplikasi ini, fungsi keanggotaan dan relasinya antara mereka tidak linier atau konstan
untuk mendapatkan yang optimal suhu dan kelembaban. Dengan mempertimbangkan
karakteristik ini, Sistem Inferensi Fuzzy Mamdani telah diterapkan.

D. Dasar Aturan Fuzzy

Aturan untuk optimalisasi suhu dan kelembaban dalam proses inkubasi telah diatur semaksimal
mungkin kondisi yang mungkin berlaku dalam proses:

E. Output

Di sini, untuk proses defuzzifikasi, Centroid of Area (COA) Metode telah digunakan yang dapat
direpresentasikan sebagai:

1) Panas (heat): Berkaitan dengan suhu dan kelembaban relatif, panas telah diukur di sini
dengan mempertimbangkan nilai perkiraan tetapi panas yang sebenarnya akan
bervariasi tergantung pada jumlahnya telur dan struktur inkubator.
 2) Kecepatan Kipas: Kipas humidifer menguapkan air dan membawanya ke udara. Kipas
pelembab ini digunakan dengan air saluran. Ketika kelembaban relatif berada di bawah
tingkat optimal,kecepatan kipas akan tinggi dan sebaliknya.

F. Model Simulasi
Model simulink dari sistem kontrol ini dapat direpresentasikan sebagai:

G. Diagram Sistem
Dalam inkubator telur otomatis, suhu dan kelembaban dalam ruang inkubasi diukur dengan
sensor DHT22. Sistem inferensi logika fuzzy mengambil parameter ini sebagai input,
membandingkan data dengan level optimal yang disimpan dan output yang dihasilkan
mengontrol kipas pemanas dan pelembab udara sebagai sistem umpan balik loop tertutup.
Dengan naiknya suhu di atas tingkat optimal, tingkat panas disesuaikan dengan mengurangi
panas dan sebaliknya. Kecepatan kipas pelembab udara berkurang sebanding dengan
peningkatan kelembaban relatif sehingga dengan penurunan tingkat kelembaban ventilasi
meningkat sedangkan ketika kelembaban relatif rendah, kecepatan kipas meningkat.

IV. HASIL
Setelah defuzzifikasi, hasilnya dapat dianalisis melalui dua keluaran. Selama 17 hari pertama,
dapat diamati bahwa ketika suhu dan kelembaban 38°C dan 53,60%, perkiraan panas stabil dan
kecepatan kipas ditemukan 5,00 dan 5,00 masing-masing (dianggap dalam kisaran 10).

Untuk hari ke 18-21, kriteria kelembaban relatif diubah sebagai tingkat kelembaban meningkat.
Terlihat bahwa ketika suhu dan kelembaban 38,2°C dan 64,10%, perkiraan panas yang stabil
dan kecepatan kipas ditemukan 5,00 dan 5,00 masing-masing.
Grafik berikut mewakili hubungan antara input dan keluaran dalam sistem inferensi logika
fuzzy. Dengan mengamati grafik, dapat dikatakan bahwa ketika suhu naik, distribusi panas
turun tetapi perubahan tersebut bervariasi secara non-linier mode. Ketika kelembaban di dalam
ruang inkubasi meningkat, kecepatan kipas pelembab udara menurun drastis.

Untuk hari ke 18-21, prosedur inkubasi membutuhkan tambahan kelembaban. Selama periode
ini, tingkat suhu optimal tetap tidak berubah dan karenanya, begitu juga panasnya.
Hubungannya
antara input dan output telah digambarkan grafik sebagai berikut:

Dalam inkubator telur, penambahan suhu 1-2 derajat Celcius dapat menyebabkan penetasan
dini dengan tingkat kematian yang tinggi sebaliknya, penurunan suhu 1-2 derajat Celcius dapat
menyebabkan keterlambatan penetasan dengan penurunan tingkat penetasan.
Mempertimbangkan kasus seperti itu, sistem inferensi fuzzy Mamdani diusulkan dalam makalah
ini berfungsi sebagai pilihan yang jauh lebih baik daripada Takagi-Sugeno sistem inferensi. Ini
karena sistem Takegi-Sugeno memberi keluaran sistem bersifat linier atau konstan. Sehingga
optimasi sistem tersebut tidak akurat dan tidak up-to Tanda. Di sisi lain, panas dan kecepatan
kipas berubah dalam sistem yang diusulkan ini tidak hanya akurat tetapi juga sangat mulus.

V. KESIMPULAN
Kesimpulannya, dapat dikatakan bahwa Mamdani fuzzy sistem inferensi yang digunakan dalam
merancang model ini sangat cocok untuk pengontrolan parameter di Multiple Input Multiple
Output (MIMO). Meskipun pekerjaan lain telah dilakukan di bidang ini sebagian besar sudah
menerapkan metode TS yang tidak menyediakan fungsi keanggotaan untuk output jadi transisi
parameter keluaran karena kondisi yang tidak stabil di lapangan tidak dapat diamati dengan
jelas. Suhu dan kelembaban adalah faktor yang bervariasi tak terduga dan non-linear di alam
dan mempertimbangkan kasus-kasus seperti itu, sistem yang disajikan di sini menghasilkan
tingkat output yang stabil dengan mengendalikan pemanas dan kipas pelembab dari mesin
penetas telur. Model yang diusulkan di sini dapat diterapkan dalam proses inkubasi telur
lainnya
spesies burung juga dengan mengubah nilai input yang tajam parameter. Model juga dapat
dimodifikasi untuk digunakan dalam jumlah besar sistem skala juga.