Saat ini banyak beredar di pasaran alat usir hama burung elektronik yang berbasis suara menakut-nakuti, baik yang berupa memainkan rekaman suara predator, memancarkan gelombang ultrasonik dan juga berupa kanon peletup otomatis. Untuk kanon yang meletupkan gas dengan bahan bakar gas masih jarang dijumpai produk lokal sehingga untuk membuat produk lokal diperlukan desain pengendali atau modul kontrol agar bisa membuat letupan gas di dalam tabung propana secara otomatis. Disisi lain, pada penelitian-penelitian sebelumnya ditemukan fenoma efek kebal atau sifat keterbiasaan burung-burung hama terhadap suara alat menakut-nakuti. Untuk itu pada penelitian ini, selain dilakukan desain kontroller alat menakut-nakuti burung yang berupa letupan kanon, diteliti juga teknik deteksi keberadaan burung hama berbasis deteksi suara berbasis teknologi tiny machine learning yang biasa disebut dengan rekognisi suara. Digunakan arsitektur machine learning Convolutional Neural Netwok 1D (CNN 1D) dengan platform edge impulse, model arsitektur ini sering digunakan untuk mengatasi masalah pemrosesan yang tinggi dan sumber daya berlebih pada kontroller atau pemroses. Model arsitektur ini juga telah teruji memiliki akurasi yang baik dalam medeteksi suara bermacam-macam jenis burung. Menggunakan Mikrokontroller Seeed Xiao nrF52840 Sense dan beberapa komponen pendukung, pada penelitian ini dibangun sebuah perangkat untuk mengontrol alat pengusir burung otomatis yang berbasis rekognisi suara, karena mikrokotroller ini dilengkapi oleh mikrofon PDM internal yang biasa digunakan dalam penelitian rekognisi suara, selain itu, mikrokontroller ini penggunaan sumber daya listriknya juga rendah karena beroperasi pada level tegangan 3.3Volt.rn Hasil pengujian model CNN 1D 2 layer memberikan keakurasian rekognisi suara 91,0% dengan penggunaan memori Flash 25% atau 198,29 Kbyte dengan Peak RAM 21% atau 49,09 Kbyte pada mikrokontroller nrF52840 Sense, Modul Kontroller juga bisa menghasilkan suara letupan gas secara otomatis dengan baik dengan tingkat kenyaringan rata-rata -83,97 DB saat gas diisikan selama 1,5 detik. Alat ini, juga dapat mendeteksi suara burung hama dengan baik hingga 30 meter. Penggunaan sumber daya energi alat ini juga cukup efisien, dioperasikan dengan battery 3.7 volt bisa beroperasi sepanjang hari.


Deskripsi Lain

Currently, there are many electronic bird pest repellent devices on the market that are based on sound scares, either in the form of playing recorded predator sounds, emitting ultrasonic waves and also in the form of automatic banga cannons. For bangs canons that explode using natural gas, it is still rare to find local products, so to make local products, we need to design a controller module i so that it can make gas explode in the propane cylinder automatically. On the other hand, previous studies found the phenomenon of the immune effect habituation of pest birds to the sound of scaring devices. For this reason, in this research, apart is designing a controller for a bird scaring device in the form of a cannon bang, in other part is designing technique for detecting the presence of pest birds based on sound detection based tiny machine learning technology, which is usually called sound recognition.rnThe 1D Convolutional Neural Network (CNN 1D) machine learning architecture with the edge impulse platform is used. This architectural model is often used to overcome the problem of high processing and excessive resources on the controller processor. This architectural model has also been proven to have good accuracy in detecting the sounds of various types of birds. Using the Seeed Xiao nrF52840 Sense microcontroller and several supporting components, in this research was built a device to control an automatic bird repellent device based on sound recognition, because this microcontroller is equipped with an internal PDM microphone which is commonly used in sound recognition research, apart from that, this microcontroller is used The electrical resource is also low because it operates at a low voltage level of 3.3Volt.rnThe training results of the 2 layer 1D CNN model provide sound recognition accuracy of 91.0% with the use of 25% Flash memory 198.29 Kbyte with Peak RAM 21% 49.09 Kbyte on the nrF52840 Sense microcontroller, the Controller Module can also produce gas bang sounds automatically. Work well automaticly with an average loudness level of -83.97 DB when the gas is filled for 1.5 seconds. This tool can also detect the sound of pest birds up to 30 meters away. This tool's also use an efficient energy, operated by a 3.7 volt battery and can operate all day long.

• ANALISIS PENGARUH LUAS AREAL TANAM PADI, CURAH HUJAN DAN IRIGASI TEKNIS TERHADAP PRODUKSI PADI DI JAWA TIMUR (TAHUN 2009-2011)
• TEKNIK PENANAMAN PADI ADAN KRAYAN DALAM PERSPEKTIF HAK KEKAYAAN INTELEKTUAL
• ANALISIS USAHA TANI PADI POLA MINDAZBESI DI DESA MUANGAN KEC. SARONGGI
• UJI ADAPTASI PERTUMBUHAN DAN HASIL 4 GENOTIPE PADI (Oryza sativa L.) DI LAHAN TADAH HUJAN (Studi Kasus di Kecamatan Kamal Bangkalan Madura)
• PERSPEKTIF PENINGKATAN PRODUKSI PADI DI KABUPATEN LAMONGAN