# **:notebook:LOGBOOK KEGIATAN MAGANG INDUSTRI**

---
:rocket: Nama : [Dwi Ananda Sanbari](https://hackmd.io/pkauR9a6Q6uOO0BnYNkJ6Q)
:rocket: NIM : 13219044

## :smile: Minggu 1
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|22-08-22|Mempelajari video lecture sistem IoT yang diberikan dosen|Video 1 membahas tentang perkembangan revolusi industri, pengenalan teknologi IoT, dan tantangan desain sistem IoT. video 2 membahas tentang arsitektur sistem IoT, hardware platform, wireless communication protocol, dan embeddeed programming. Video 3 membahas tentang Tutorial Micropython ESP32 dan pengenalan IoT Big Data Analytics.||
|23-08-22|Mempelajari paper yang berjudul ["Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges"](https://ieeexplore.ieee.org/document/7888916)|[:link:Rangkuman Big IoT Data Analytics: Architecture, Opportunities, and Open Research Challenges](https://itbdsti-my.sharepoint.com/:w:/g/personal/13219044_mahasiswa_itb_ac_id/Efp3I-MOY0hIra8y2C27GlIBTypMJ_ppEwDsbgF36DRnNw?e=9cCzUN)|Apa yang dimaksud tentang tipe/level analitik dari memory level, business intelligence level, dan massive level? |
||Mempelajari laporan tubes IoT yang berjudul "Automatic Aquarium Feeder and Monitoring Using IoT"|Pada tubes tersebut dibuat pemberi makan ikan otomatis dan monitoring ikan menggunakan IoT menggunakan sensor berupa sensor DS18B20 dan turbidity sensor, aktuator berupa servo sg90, dan mikrokontroller berupa ESP32 serta AWS sebagai mediator. ||
|24-08-22|Menonton video lecture tentang [pengenalan smart aquaculture](https://www.youtube.com/watch?v=nlrer5hYcHI&list=PLjhxVgHm5M8vsHwun15w3cNUOHGtjenxo&index=6); [sistem produksi Aquaculture](https://www.youtube.com/watch?v=LHDjekk2BN4&list=PLjhxVgHm5M8vsHwun15w3cNUOHGtjenxo&index=7); dan [penerapan AI, Machine Learning, serta Deep Learning pada Aquaculture](https://www.youtube.com/watch?v=4vRsuM1CDlM&list=PLjhxVgHm5M8vsHwun15w3cNUOHGtjenxo&index=8)|Pembahasan tentang sistem cerdas beserta beberapa aplikasinya, penjelasan tentang sistem produksi aquaculture mulai dari seleksi lokasi hingga pemasaran, contoh penerapan teknologi AI pada aquaculture, perbedaan AI-Machine Learning-dan Deep Learning, dan penjelasan tentang tipe - tipe machine learning||
|25-08-22|Menonton video webinar tentang proses data dan artificial intelligence di aquaculture|Penjabaran dari narasumber eFisheryFarm, diperoleh beberapa poin, yaitu: 80% dari total cost aqualculture merupakan feeding ikan, Latar belakang diperlukannya smart feeder, Proses machine learning untuk pemberian pakan ikan, Machine learning dianggap gagal dan digantikan dengan signal processing, serta Problematika data. |efishery memporting scikit-learn ke C++ (library mathematicalnya diconvert ke C++) lalu dimasukkan atmega sehingga dapat melakukan klasifikasi menggunakan microcontroller namun training data tetap dilakukan di cloud, kenapa tidak semua pemrosesan machine learning dilakukan di cloud? bagaimana cara memperoleh signal processing yang dimaksud?camera mahal apakah masih merupakan solusi alternatif?|
||Menonton video lecture tentang Pattern Recognition & Computer Vision pada smart aquaculture dan Seleksi Lokasi: Instrumentasi, Akuisisi Data dan Informasi|diberikan aplikasi pattern recognition dan computer vision yang telah berhasil dilakukan yaitu identifikasi species indikator kesehatan terumbu karang, dijelaskan cara kerja pattern recognition menggunakan bunga IRIS dan computer vision dengan algoritma ekstraksi fitur, diuraikan tentang exploratory data (EDA), dan diuraikan tentang preparing machine learning model. Selain itu, dijelaskan juga tentang isu/masalah yang dihadapi pada KJA air tawar.|
|26-08-22|Menonton video lecture tentang smart aquaculture-data science (time series: site selection (case study))|dijelaskan apa itu time series, aplikasi time series, komponen time series, apa itu stationary, mengidentifikasi non-stationary, apa itu autocorrelation, dan disertai dengan case study menggunakan data pasang surut.||
||Progress report|-||
## :smile: Minggu 2
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|29-08-22|Mempelajari paper yang berjudul 'Back to the future: IoT to improve aquaculture'|Perangkat IoT untuk aquaculture diterapkan pada 3 farm yaitu oyster and mussel farm, fish farm, dan spirulina farm. Network wireless yang digunakan adalah Lora karena tempat aquaculture yang jauh dari sumber listrik bahkan internet. Power supply yang digunakan berasal dari rechargable battery dan solar panel. Sistem yang dikembangkan menyediakan real time monitoring dan platform untuk visualisasi yang user-friendly serta alert system 24/7. Sistem juga memberikan nilai prediktif dari kadar Dissolve Oxygen (DO) sehingga dapat memberikan menambahkan oxygen melalui aerator.||
||Mempelajari paper yang berjudul 'An aquaculture monitoring system on NB-IoT'|Sistem yang dikembangkan menggunakan PH sensor, temperatur sensor, dan dissolve oxyegen sensor untuk mengetahui kualitas air. Lalu, jika kualitas air menurun maka akan diberikan aksi melalui relay yang terhubung dengan aktuator. Data hasil pembacaan dikirim ke center sebagai tempat monitoring dengan menggunakan Zigbee protocol. Dari center ini, data ditampilkan menggunakan LCD dan dikirim juga ke cloud platform sebagai penyimpan data. ||
||Mempelajari paper yang berjudul 'Study on Adapting the auto feeding system for sillago japonica to actual aquaculture environment'|System autofeeding dikembangkan pada ikan jenis sillago japonica. Sensor yang dikembangkan adalah kamera, sensor ini digunakan dengan memanfaatkan computer vision untuk merekognisi ikan saat lapar. Berikut metode dari sistem yang dibuat ||
|30-08-22|Mempelajari paper yang berjudul 'Incorporating Intelligence in Fish Feeding System for Dispensing Feed Based on Fish Feeding Intensity'|Pada paper ini dikembangkan model menggunakan fourier descriptor yang diperoleh dari chain code sehingga diperoleh akurasi 100%. Namun, yang perlu digaris bawahi pada sistem ini adalah sensor yang digunakan yaitu accelerometer dipasangkan pada ikan. Hal ini tidak realistis untuk diaplikasikan pada aquaculture.||
||Pembelian beberapa barang untuk proyek aquarium IoT|pembelian sensor turbidity, sensor suhu, servo, esp32, jumper, breadboard, dll.|
|31-08-22|Menyimak video lecture dari bu yeni yang membahas tentang 'Water Quality Analysis and Prediction using Random Forest Regressor'|Diberikan cara analisis kualitas air dan prediksi menggunakan Random Forest regressor. Data yang digunakan adalah data kualitas air di sungai india. Dijelaskan langkah-langkah menggunakan random forest regressor machine learning mulai dari cek null values, pembobotan variable, hingga mendapatkan RMSE dan R2 score||
|01-09-22|Pengenalan alat smart water meter di Xirka|Dilakukan pengenalan terhadap alat yang sudah ada di Xirka. lalu kami melakukan pelabelan terhadap board-board dan melakukan soldering terhadap board-board yang komponennya belum lengkap. Kami juga membahas rencana-rencana yang akan dilakukan ke depannya.||
||Menerapkan random forest regressor machine learning pada data IoT pond untuk memprediksi berat ikan dengan variabel-variabel yang diberikan.|Data IoT pond berisikan nilai dari temperatur, turbidity, DO, PH, Ammonia, Nitrate, population, panjang ikan, dan berat ikan. Data diperoleh dari sensor yang dikumpulkan menggunakan IoT. Pertama dilakukan cleansing terhadap data terlebih dahulu karena tidak semua isi data bernilai bagus. Lalu dilakukan explaratory terhadap data untuk memahami data lebih dalam hingga melakukan training dan testing terhadap data dengan perbandingan 80:20. Setelah itu, diperoleh RMSE dan R2 score dari machine learning yang digunakan adalah 1.03648 dan 0.99878. Berikut source code file [Random Forest Regressor IoT_pond](https://colab.research.google.com/drive/1ZCJjfvtHTFWD7h-9Wd42cTjOWJPuJAGp?usp=sharing)||
|02-09-22|Progress Report|Review paper, diskusi algoritma, memahami aquaculture lebih dalam||
## :smile: Minggu 3
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|05-09-22|Mulai belajar tentang lora terkait proyek 'ikanku' yang sedang dijalani xirka|Wiring module lora RFM96 ke arduino. Wiring dilakukan dari pin 3.3V, GND, MOSI, MISO, SCK, NSS, Reset, DIO0, dan DIO1 ke Arduino nano. Jarak antar pin pada modul lora RFM96 berbeda dari biasanya (tidak berjarak 2.54mm) sehingga perlu dilakukan cara tricky untuk melakukan jumper dari modul lora RFM96 ke arduino||
||Pembelian sensor tambahan untuk proyek aquarium IoT|Pembelian mpu6050 sebagai sensor accelerometer||
||Diskusi tentang proyek aquarium IoT yang akan dibuat|proyek aquarium IoT terdiri dari 3 sensor, 1 aktuator dan 2 microcontroller. Sensor yang digunakan berupa sensor turbidity, sensor suhu, dan sensor accelerometer. microcontroller yang digunakan adalah 2 ESP32. Aktuator yang digunakan adalah continous servo. Data dari sensor akan dipublish ke cloud sebagai data monitoring, layanan cloud yang digunakan adalah Antares.||
|06-09-22|Upload data dari arduino ke antares menggunakan lora wireless network|Upload data ke antares melalui lora wireless network menggunakan modul RFM96 telah berhasil. Sebelumnya terdapat kesulitan untuk melakukan hal tersebut karena pada dokumentasi yang disediakan antares terdapat board tersendiri tanpa dibagikan schematic ataupun source code library yang digunakan||
||Integrasi source code dari alat 'ikanku' dengan source lora|integrasi kedua source code belum berhasil. Integrasi yang dimaksud adalah melakukan pembacaan terhadap sensor ph, sensor turbidity, sensor suhu, dll lalu mengirimkan hasil pembacaan sensor-sensor tersebut ke antares cloud. Namun integrasi ini belum berhasil dilakukan.||
||Desain fish feeder untuk proyek aquarium IoT|Desain fish feeder yang akan dibuat terinspirasi dari [link berikut](https://www.youtube.com/watch?v=L19q9VMS01A&t=189s). Desain tersebut menggunakan spiral dengan servo sebagai penggerak utamanya.||
||Mempelajari paper dari pak trio tentang fish feeder. Paper tersebut yaitu berjudul: A Fish Feeder Mechanism with Timer/ GSM based, Design and Prototyping The_Automatic Fish Feeder Machine for Low_Energy, Development of_Automatic Fish Feeding System based_on Gasping_Behavior, |[A Fish Feeder Mechanism with Timer/ GSM based](https://itbdsti-my.sharepoint.com/:w:/g/personal/13219044_mahasiswa_itb_ac_id/Ed01ss2kBStHu41Q-UaCyTABY3veCLX-0KxpmSJYVVLNoA?e=dGvM7i) ;;; [Design and Prototyping The Automatic Fish Feeder Machine for Low Energy](https://itbdsti-my.sharepoint.com/:w:/g/personal/13219044_mahasiswa_itb_ac_id/EQiMgrsG7p5Dj1mYzD_pGY8BEcFpaoOPlXhZsbqyPOx6RQ?e=QW4SyT) ;;; [Development of Automatic Fish Feeding System based on Gasping Behavior](https://itbdsti-my.sharepoint.com/:w:/g/personal/13219044_mahasiswa_itb_ac_id/EXuPFdIkRdlOtgQJBg8pYEIBtuMyn1G9-iYArEEdU-BcDw?e=8IyPyr)||
|07-09-22|Integrasi code pembacaan beberapa sensor dan code komunikasi menggunakan lora wireless network|Pembacaan beberapa sensor telah berhasil dikirim ke antares menggunakan lora, namun pengiriman berjalan lambat dengan kata lain hasil pembacaan sensor mengalami delay pembacaan oleh cloud antares. hal ini dapat disebabkan oleh sinyal lora ataupun web antares karena waktu saya menggunakan wifi wireless network untuk mengirimkan data ke cloud antares juga terdapat masalah pada web nya. Code yang berhasil adalah code yang menggunakan bacaan sensor random value, adapun untuk pembacaan sensor asli yang dibuat kak sandi (orang xirka) belum berhasil.||
||Membuat kode post dan get data ke dan dari cloud antares menggunakan wifi wireless network|Sebelumnya saya menggunakan protokol komunikasi MQTT untuk mengirim dan mengambil data dari cloud antares. Namun karena code untuk mengambil/subscribe data dari cloud antares sedang bermasalah, maka saya beralih lalu menggunakan http protokol. Dengan menggunakan http protokol, saya telah berhasil mengirim dan mengambil data dari cloud antares. Sebelumnya, saya telah berhasil mengirimkan data dari sensor accelerometer yaitu NormAccX, NormAccY, NormAccZ, pitch, dan roll ke cloud antares.||
||Integrasi esp32, accelerometer, dan baterai|Kami telah mengintegrasikan esp32, accelerometer, dan baterai baik codingan maupun mekaniknya. Kami menggunakan kotak eskrim sebagai tempat peletakan esp32, accelerometer, dan baterai yang kemudian dingambangkan di kolam ikan. ESP32 telah mampu mengirimkan bacaan dari accelerometer dengan menggunakan power dari baterai.||
|08-09-22|Mencari MAC Address ESP32|MAC address dari ESP32 diperlukan untuk melakukan komunikasi antar ESP32 dengan menggunakan protokol ESP-Now. Berikut source code untuk mencari MAC address dari ESP32 yang saya digunakan: [find mac address ESP32](https://itbdsti.sharepoint.com/:u:/s/MBKMIoTSmartWater2022/EQYjcs5z6YFFh1wL5SqvbSgBVgKyzWpn9jBFZyp7BmLAsw?e=AVyVoU)||
||Membuat code untuk mengirimkan data antar ESP32|Data dari accelerometer tidak perlu dikirim ke cloud melainkan dikirim ke ESP32 yang lain untuk langsung dilakukan pengolahan data. Code untuk komunikasi antar ESP32 ini telah berhasil dibuat. Namun terdapat masalah saat mengintegrasikannya dengan pengiriman data ke telegram yaitu pada pemakaian modul wifi dari ESP32 yang digunakan.||
||Melanjutkan paper reading|Beberapa paper yang dipelajari yaitu: [A Fuzzy Logic Approach for Fish Growth Assessment](https://ieeexplore.ieee.org/document/9072756) ;;; [An Intelligent Behavior-Based Fish Feeding System](https://ieeexplore.ieee.org/document/7473754) ;;; [Classification of Shark Behaviors using K-Nearest Neighbors](https://ieeexplore.ieee.org/document/9042395) ;;; [IoT-based On-demand Feeding System for Nile Tilapia (Oreochromis niloticus)](https://ieeexplore.ieee.org/document/9707241) ;;; [Smart Fish Feeder Using Arduino Uno With Fuzzy Logic Controller](https://ieeexplore.ieee.org/document/9161114)||
|09-09-22|Progress report|Mereview jurnal yang telah dipelajari termasuk metode pemberian pakan dan rekognisi aktivitas ikan serta merepresentasikan pekerjaan selama satu minggu terakhir. berikut power point yang progress report saya: [Paper reading](https://itbdsti-my.sharepoint.com/:p:/g/personal/13219044_mahasiswa_itb_ac_id/EVwZQKO-DdtKgMwULt4I0i8BKTIJR4BwACWJIXeFJCajdw?e=puLzYn) dan [Laporan pekerjaan](https://itbdsti-my.sharepoint.com/:p:/g/personal/13219044_mahasiswa_itb_ac_id/EVFxFnF7hzNApJhvPhUJ_sMBP67i0BQ8tUkIZtjQ3Jnugw?e=Ic8TDJ)||
## :smile: Minggu 4
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|12-09-22|Komunikasi Bluetooth Low Energy (BLE) antar ESP32|Komunikasi antar ESP32 menggunakan Bluetooth Low Energy (BLE) telah berhasil dilakukan, namun pengiriman dan penerimaan datanya terlalu lambat untuk pembacaan sensor akselerometer sehingga penggunaan komunikasi melalui bluetooth tidak realistis untuk diimplementasikan. Berikut source code yang digunakan: [BLE Server](https://itbdsti.sharepoint.com/:u:/s/MBKMIoTSmartWater2022/EW7a4pwekeNEngheFfqO_AkB3YYpszq1EuJNsM9LcS04Vw?e=gSvYbr) dan [BLE Client](https://itbdsti.sharepoint.com/:u:/s/MBKMIoTSmartWater2022/EfoEa18KFPdPglzHv89q8WgBR6PfFYk_Sd_VDW_7CPfUIw?e=Q2or6K)||
||Mengkomunikasikan ESP32 dengan Aplikasi Whatsapp|Komunikasi ESP32 ke WA (Whatsapp) telah berhasil dilakukan menggunakan service yang disediakan oleh twilio. Namun saat dicoba mengirimkan alert yaitu saat pembacaan suhu atau turbidity keluar dari range tertentu, service yang disediakan twilio tidak dapat melakukannya. Karena service dari twilio hanya menyediakan service saat ada input dari whatsapp terlebih dahulu. Sehingga, kami beralih ke komunikasi antar ESP32 dengan telegram lagi karena pada API telegram memungkinkan untuk mengirim alert saat pembacaan sensor keluar dari range tertentu.||
||Paper reading 1 Minggu 4, "Automatic Fish Feeding And Monitoring System Aquarium Using 555 Timers"|Paper ini membahas tentang pembuatan fish feeding otomatis dan sistem monitoring terhadap sensor suhu dan pH. berikut diagram blok dari sistem yang dibuat: 555 timer digunakan untuk mengatur waktu pemberian pakan secara analog dengan mengatur besaran resistor dan kapasitor. Adapun komponen yang digunakan yaitu: 555 timers, temperature sensor, ph sensor, 5v relay, Arduino uno, dioda, resistor, kapasitor, dan LCD display.||
|13-09-22|Membuat source code komunikasi UART antar ESP32|Akhirnya kami menggunakan 3 ESP32 dalam proyek mini aquarium ini. ESP32_1 mengambil data dari sensor akseleromter lalu mengirimkannya ke ESP32_2 melalui ESP-Now protokol. ESP32_2 mengolah data sensor akseleromter lalu menentukan pemberian pakan ikan. Data pemberian pakan ikan dikirimkan ke ESP32_3 untuk menyalakan servo. ESP32_3 juga membaca data dari sensor suhu dan turbidity serta berkomunikasi dengan Whatsapp. Berikut source code komunikasi UART antar ESP32: [UART TX](https://itbdsti.sharepoint.com/:u:/s/MBKMIoTSmartWater2022/EQDf3k4BcVRKssKPoKlBTOcBztlP2njmfVDRpYPhVRAK6A?e=eQkrPD) dan [UART RX](https://itbdsti.sharepoint.com/:u:/s/MBKMIoTSmartWater2022/ESBqeK3LH6FPiAKhTgwz-VgBUJMeVhthtwU5sqammwVTzA?e=XKIT0a)||
||Menyatukan hasil 3D print fish feeder|Hasil 3D print fish feeder yang sebelumnya belum disatukan tidak rigid sehingga kami menempelkan tiap bagian secara permanen menggunakan lem dan atau baut.||
||Melakukan simulasi pemberian pakan menggunakan fish feeder yang baru dibuat|Fish feeder yang telah jadi diberikan pakan ikan pada bagian kontainer nya lalu kami menjalankan fish feeder dengan memutar servo melalui uploading code. Fish feeder telah berjalan dengan baik sesuai dengan yang diinginkan.||
|14-09-22|Membuat source code untuk mendapatkan waktu sekarang melalui NTP Server|Modul Wifi ESP32_2 telah digunakan untuk berkomunikasi dengan ESP32_1 untuk menerima data pembacaan sensor akseleromter. Sedangkan Modul Wifi ESP32_3 telah digunakan untuk berkomunikasi dengan aplikasi Whatsapp. Pada arsitektur dengan 3 ESP32 kami mengalami masalah, namun akhirnya kami membuat ESP32_2 menjadi station dan access point (AP) secara bersamaan sehingga ESP32_2 menerima data dari ESP32_1 secara wireless sekaligus mengambil data waktu sekarang dari NTP server pool.ntp.org. Dengan demikian keseruhan sistem sudah dapat berjalan dengan baik. berikut Source code ESP32_2 dalam mendapatkan waktu sekarang sekaligus menerima data akselerometer dari ESP32_1: [ESP32 Receiver](https://itbdsti.sharepoint.com/:u:/s/MBKMIoTSmartWater2022/Eb92KF1Gj4ZPoa_xkDO9DYkBJBgNXdbXJe3YthcUOf_bZA?e=uMCOzu) ||
||Melakukan kalibrasi turbidity sensor|Turbidity sensor yang digunakan perlu dikalibrasi karena pembacaannya tidak sesuai dengan datasheet. Kalibrasi dilakukan dengan menyesuaikan hasil pembacaan dengan larutan standard yang dimiliki oleh Xirka disertai dengan alat untuk mengetahui ukuran NTU suatu larutan. Kami menggunakan 4 jenis larutan yang dibedakan kekeruhannya dengan mencampurkan air putih dengan susu kental manis dengan kadar yang berbeda-beda. Lalu masing - masing larutan diukur menggunakan alat digital pengukur kekeruhan yang dimiliki Xirka secara manual. Hasil pengukuran tersebut dibandingkan dengan hasil pengukuran menggunakan turbidity sensor. Namun hasilnya tidak sesuai dengan yang diharapkan yaitu hasil pembacaan turbidity sensor tetap 0 pada larutan < 500 NTU. Kami telah mencoba menggunakan sensor turbidity yang lain namun hasil pembacaannya masih belum sesuai dengan yang diharapkan. Kalibrasi turbidity sensor ini belum berhasil dilakukan.||
|15-09-22|Arsitektur final keseluruhan sistem|Pada mini proyek aquarium IoT ini kami menggunakan 3 buah ESP32 yaitu ESP32_1, ESP32_2, dan ESP32_3. ESP32_1 berfungsi membaca sensor akselerometer lalu mengirimkannya ke ESP32_2. ESP32_2 mengolah data akselerometer dan menentukan pemberian pakan ikan lalu mengirimkan penentuan pemberian pakan ikan ke ESP32_3. ESP32_2 juga mengambil waktu sekarang dari pool.ntp.org. ESP32_3 berguna untuk melakukan pemberian pakan dan melakukan pembacaan sensor suhu dan sensor kekeruhan. Berikut gambar arsitektur keseluruhan sistem: [Diagram blok aquarium IoT](https://itbdsti.sharepoint.com/:i:/s/MBKMIoTSmartWater2022/EShDatM5YURItoLJyAt9Nu4BcovGoYv5nJLGcCY499lrug?e=KdwhHj)||
||Pengambilan data accelerometer pada bak ikan nila pertama|Pengambilan data dilakukan dengan meletakkan accelerometer dan ESP32_1 serta baterai pada kotak ice cream yang ringan dan mengapung di air. ESP32_1 ini mengirimkan pembacaan accelerometer ke ESP32_2 yang sedang terhubung ke laptop. ESP32_1 dan ESP32_2 berkomunikasi secara wireless menggunakan protokol ESP-Now. ESP32_2 melakukan serial print data yang diterima pada serial monitor. setelah pengukuran selesai maka data dari serial monitor dipindahkan ke excel untuk dilakukan visualisasi. Berikut hasil visualisasi pengambilan data acceleromter saat ikan diberi makan.  Dari di atas dapat terlihat adanya pola saat ikan diberi makan, pola terlihat paling jelas pada data accelerometer sumbu Z. Berikut saya pisahkan visualisasi data pada sumbu Z.  Pengambilan data ini dilakukan dengan memberikan makan ikan secara sedikit demi sedikit, selanjutnya akan dilakukan pengambilan data dengan langsung memberikan pakan dalam jumlah banyak.||
||Progress report|Progress report diikuti oleh peserta MBKM beserta dengan dosen itb dan pegawai PT Xirka. Progress report membahas tentang paper yang telah dipelajari berkaitan dengan program MBKM kami, kemajuan pekerjaan mini proyek iot aquarium, serta rencana ke depannya. Bersama tim dari PT Xirka, kami juga membahas tentang penentuan jenis ikan dan jadwal untuk survey tambak yang akan dijadikan tempat percobaan serta jadwal untuk melakukan deployment alat smart water meter. ||
|16-09-22|Pengambilan data accelerometer pada bak Ikan Nila kedua|Pengambilan data dilakukan dengan cara meletakkan accelerometer yang terhubung dengan ESP32(include baterai) di kotak yang mengambang di permukaan air. Data dari Accelerometer dibaca oleh ESP32_1 kemudian ESP32_1 mengirim ke ESP32_2 melalui komunikasi ESP-Now protokol. Data dari ESP32_2 terbaca pada serial monitor, lalu data dari serial monitor kami simpan di excel untuk divisualisasikan. Hasil visualisasi data tersebut dapat menunjukkan pembacaan saat ikan makan. Berikut hasil pembacaan dari [akselerometer](https://itbdsti-my.sharepoint.com/:x:/g/personal/13219044_mahasiswa_itb_ac_id/EWExGjQZFIBOmTHgQciAgogBC1pLzs4yn7iRZ2Fu4MTwiA?e=lnyvPm) berikut hasil visualisasinya: ||
||Pemrosesan data accelerometer|Data dari akselerometer selanjutnya diolah menggunakan Matlab untuk diubah ke domain frekuensi. Di domain frekuensi, data terlihat kurang bagus yaitu terdapat noise di semua frekuensi namun kami mendeteksi adanya peak pada frekuensi kurang 10 Hz. Dengan demikian dilakukan filtering menggunakan lowpass filter dengan frekuensi cutoff 10 Hz, hasil sinyal filtering belum bagus pula sehingga dicoba jenis filter lainnya. Akhirnya terdapat jenis filter yang cocok digunakan yaitu menggunakan moving avarage, dengan demikian sinyal hasil filter lumayaan bagus.||
||Kalibrasi TDS|Karena turbidity yang ada tidak berfungsi dengan baik yaitu tidak dapat mengukur pada NTU rendah ( < 500 NTU) maka saya menggunakan TDS untuk mengukur total dissolved solid pada kolam/bak ikan nila. Kalibrasi belum selesai dilakukan, namun kami telah mendapat perbedaan bacaan analogRead pada air yang kekeruhannya juga berbeda.||
|||||
## :smile: Minggu 5
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|19-09-22|Membuat schematic PCB|Schematic dari rangkaian pembacaan sensor dan rangkaian pemberi pakan dibuat menggunakan software easyEDA. EasyEDA dipilih karena mempunyai berbagai macam library termasuk library ESP32 devkit v1 dan ESP32 devkit v4 yang saya gunakan. Berikut hasil akhir dari schematic yang saya buat.||
||Membuat desain PCB dan mencetaknya|Untuk membuat rangkaian pembacaan sensor dan rangkaian pemberian pakan menjadi rigid, maka dibuat PCB. Desain PCB dibuat menggunakan Altium desainer. PCB yang dibuat berukuran 9.5 cm x 7 cm dengan menggunakan single layer. Berikut desain PCB yang telah dibuat:  Berikut view gambar 3D nya: Tampak atas.  Tampak bawah. Desain di atas telah telah dikirim ke spectra Bandung untuk dicetak.||
||Paper reading 1 Minggu 5|Di paper ini dibangun teknologi embedded system pemberi pakan ikan berbasis internet of things. Pemberi pakan ikan ini menggunakan wemos d1 sebagai miconnya, rtc3231 untuk mendapatkan waktu, loadcell untuk mengetahui berat pakan, servo dan motor untuk memberi pakan, solar cell sebagai sumber energi, LCD sebagai interface, dan fan untuk mendinginkan sistem.||
|20-09-22|Kalibrasi sensor TDS|Karena sensor turbidity tidak berjalan dengan yang diharapkan, maka kami memutuskan untuk beralih menggunakan TDS sensor. Berdasarkan literatur, Kami mendapatkan bahwa ikan dapat bertahan pada ekosistem dengan total dissolved solids nya di bawah 1000 ppm. Kalibrasi dilakukan dengan menyediakan 6 cairan berbeda yaitu 0 ppm, 200 ppm, 400 ppm, 800 ppm, 1200 ppm, dan 1600 ppm. Kemudian dilakukan perbandingan nilai dari sensor TDS dengan TDS meter manual sehingga diperoleh suatu persamaan. Dengan demikian, dari persamaan tersebut, kami peroleh hasil pengukuran dengan sensor cukup akurat yaitu sekitar 96%. Berikut dokumentasi kegiatan kalibrasi sensor TDS:||
||Paper reading 2 Minggu 5|Pada paper ini dibangun alat pemberi pakan ikan otomatis berbasis android. Percobaan pada paper ini menggunakan ikan lele. Paper ini menggunakan sensor ADXL335 sebagai sensor pendeteksi napsu makan, saat ikan lapar maka pembacaan sensor ADXL335 akan menunjukkan sumbu x = 329, 330, 331, sumbu y = 339, 340, 341, sumbu z = 349, 350, dan 351. Saat ikan lapar maka pemberi pakan akan terus memberi pakan hingga pembacaan sensor menunjukkan bahwa ikan sudah kenyang. NodeMCU digunakan sebagai microcontroller yang terhubung dengan Aplikasi Blynk.||
||Paper reading 3 Minggu 5|Paper ini membangun sistem pemberian pakan ikan secara otomatis berdasarkan perilaku ikan menggunakan kamera berbasis mini PC. Ikan akan diberi pakan saat terdeteksi pergerakan oleh sensor accelerometer dan terdeteksi mulut ikan oleh kamera lebih dari sama dengan 1 mulut ikan. sensor acceleromter yang digunakan adalah sensor MPU6050 dan kamera yang digunakan adalah raspberry pi camera.||
|21-09-22|Cetak desain 3D packaging sensor accelerometer|Desain 3D packaging sensor acceleromter telah selesai dicetak. Berikut hasil cetak 3D nya: ||
||Soldering BNC pada board Ikanku|Beberapa board Ikanku belum disolder komponen BNC:  Beberapa komponen lain belum disolder disebabkan belum tersedianya komponen tersebut.||
|22-09-22|Soldering BNC to board 'ikanku', Soldering modul wifi untuk pengujian board, dan soldering komponen TH ke board yang masih kosong.|Sekitar 5 board belum tersolder BNC sehingga perlu dilakukan soldering lagi. Berikut dokumentasi kegiatannya:  Pengujian board menggunakan modul wifi dilakukan dengan menjumper board terlebih dahulu. berikut bukti dokumentasinya:  Dua board belum disolder komponen TH nya sehingga saya solder 1 board dan board yang lain disolder teman saya: ||
||Solder PCB dari proyek aquatium IoT|PCB yang didesain sebelumnya sudah selesai dicetak, selanjutnya dilakukan soldering terhadap komponen - komponen yang dibutuhkan. Awalnya terdapat masalah yaitu VCC dan GND ter-short. Namun masalah tersebut akhirnya dapat teratasi namun pembacaan sensor belum sukses.   ||
||Pembelian aquarium dan pompa aquarium| Aquarium dibeli sebagai tempat melakukan percobaan pada proyek aquarium IoT. Aquarium dibeli pada aplikasi tokopedia dengan link berikut: https://www.tokopedia.com/adraquatic/skp-1200-power-head-submersible-pump-pompa-air-celup-filter-aquarium. lalu pompa aquarium dibelu dengan link pembelian sebagai berikut: https://www.tokopedia.com/adraquatic/skp-1200-power-head-submersible-pump-pompa-air-celup-filter-aquarium||
||Progress report|Progress report diikuti 2 dosen, 2 pegawai xirka, dan 3 peserta MBKM. progress report membahas tentang review jurnal dari masing - masing peserta mbkm, pekerjaan selama 1 minggu terakhir di xirka, dan rencana kedepan dalam kegiatan mbkm ini.||
|23-09-22|Debug PCB beserta komponen yang dipakai|Masih terdapat masalah dalam menggunakan pcb yang telah dicetak, yaitu bacaan dari sensor TDS masih belum normal serta esp32 menjalankan reconnecting saat menerima masukan '1' dari telegram. ||
||Pembelian timbangan digital|Timbangan digital yang dibeli dapat mempunyai kemampuan menimbang hingga 3 kg dengan akurasi 0.1g. berikut link pembeliannya: https://www.tokopedia.com/labate/timbangan-dapur-mini-digital-3kg-akurasi-0-1gr ||
||Rekapitulasi semua pembelian barang|Pembelian barang direkap dengan menyimpan semua bukti pembelian di folder msteams. ||
||Instalasi aquarium|Aquarium sudah mulai dipasang beserta ikannya. pada aquarium sudah bisa diletakkan fish feeder sehingga dapat memberikan makan dari jarak jauh.||
|24-09-22|Kunjungan ke tambak di Subang dan Purwakarta|Tambak subang: Di tambak pertama, pemberian pakan ikan hanya diberikan 1 bulan sebelum panen. Masa panen berlangsung sekitar 3 bulan. Pakan pada tambak di tambak pertama merupakan pakan alami berupa ganggang hingga 1 bulan sebelum panen. Hasil panen pada tambak ini berkisar 7-8 ekor dalam 1 kg. Ikan pada tambak ini tidak muncul ke permukaan (berada di dalam tambak) karena tidak terbiasa diberi pakan. Tambak kedua:Tambak kedua yang kami kunjungi melakukan pemberian pakan secara intensive sejak awal. Dengan demikian, ikannya tampak di permukaan karena terbiasa diberi pakan. Hasil panen dari tambak tersebut berkisar 3-4 ekor dalam 1 kg. Masa panen di tambak tersebut adalah 2 bulan||
## :smile: Minggu 6
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|26-09-22|Pencetakan desain 3D|Desain 3D yang baru mempunyai ukuran lebih kecil agar sensor accelerometer lebih sensitive untuk mendeteksi pergerakan riak air. Namun setelah dicetak, ternyata ukuran dari desain 3D yang baru terlalu kecil sehingga tidak cocok untuk diaplikasikan. Dengan demikian kami tetap memakai desain 3D yang sebelumnya untuk proyek IoT aquarium.||
||Paper reading 1 minggu 6|Paper ini berjudul ROBOT APUNG PEMBERI PAKAN IKAN KOLAM AIR TAWAR BERBASIS ARDUINO. Pada robot apung tersebut, pakan ikan diberikan dengan menggunakan servo. Robot tersebut menggunakan sensor sharp atau sensor infrared untuk mendeteksi jarak antara robot dengan tepi kolam. Saat robot mendekati tepi maka motor akan menyala dan membawa robot kembali ke tengah kolam secara otomatis.||
||Paper reading 2 minggu 6|Paper ini membahas tentang PERANCANGAN DAN PEMBUATAN ALAT KENDALI PEMBERIAN PAKAN IKAN NILA OTOMATIS BERBASIS INTERNET OF THINGS. Alat pemberi pakan pada paper ini sebenarnya seperti alat biasanya.  Namun yang menarik dari paper ini adalah konsep perhitungan FCR atau Food Convertion Ratio.  nilai FCR umumnya berkisar antara 1.2 - 1.5. Pada paper ini diperoleh perhitunga FCR sebesar:||
|27-09-22|Membuat rangkaian IoT aquarium pada PCB dot matriks|Karena PCB hasil cetak di spectra kurang baik dan biaya cetak PCB di luar negeri terlalu mahal, maka kami memutuskan untuk membuat rangkaian IoT aquarium pada PCB dot matriks.  Rangkaian pada pcb tersebut terdiri dari dua ESP32, sensor suhu, sensor TDS, dan pin UART.||
||Menguji fungsionalitas pembacaan sensor suhu dan sensor tds serta pengujian pemberian pakan ikan dengan memberikan perintah melalui Telegram|Monitoring pembacaan sensor suhu dan sensor TDS telah sesuai dengan yang diinginkan, begitu juga dengan pemberian pakan. monitoring dan pemberian pakan dapat dikontrol melalui bot pada aplikasi telegram. ||
|28-09-22|Pengambilan data accelerometer dengan acceleromter langsung wiring ke board PCB (bukan wireless)|Accelerometer diletakkan didalam package lalu diapungkan di kolam aquarium. Lalu accelerometer disambungkan dengan board utama PCB. ESP32 disambungkan ke laptop untuk melihat pembacaan serial print pembacaan acceleromter.  Hasil pembacaan dari accelerometer lalu disimpan di excel dan dilakukan analisis terhadap pembacaannya ketika diberi pakan atau tidak. Dari pembacaan tersebut didapatkan beberapa panjang gelombang yang berbeda beberapa saat setelah diberi pakan, namun terdapat pula perilaku normal pembacaan meskipun telah diberi pakan. hal ini dapat disebabkan package sensor yang terlalu besar sehingga mengurangi sensitivitas sensor. oleh karena itu diperlukan package yang baru||
||Solder DHT11 dilengkapi dengan selang bakar|DHT11 juga digunakan di board 'ikanku'. Ada sebanyak 8 DHT11 yang telah disolder disambungkan dengan kabel dan dilengkapi dengan selang bakar.||
||Crimping kabel|Ujung kabel dari DHT11 perlu dilakukan crimping untuk dapat disambungkan dengan board. sehingga ada sebanyak 8 kabel yang telah dicrimping. ||
||Pemasangan filter aquarium|Karena kolam aquarium lebih cepat kotor dari perkiraan, maka kami membeli filter aquarium untuk menyaring kotoran dalam kolam aquarium. filter berfungsi dengan baik, diharapkan dari filter ini ikan dapat hidup lebih baik dengan turbidity yang rendah.||
|29-09-22|Progress report minggu 6|Progress report membahas tentang 3 paper dari masing - masing peserta MBKM dan juga dibahas progress dari proyek IoT. Selain itu, dosen beserta dengan staff xirka berdiskusi mengenai jadwal kunjungan dan deploy smart water meter pada tambak - tambak.||
||Kalibrasi 2 sensor PH|Sensor PH pada setiap board memiliki karakteristik masing - masing sehingga untuk setiap board perlu dilakukan kalibrasi sensor PH nya.||
|30-09-22|Melanjutkan kalibrasi 3 sensor PH|Masih terdapat 3 sensor PH yang belum dikalibrasi. Dengan demikian sensor PH pada board yang ada saat ini telah dikalibrasi semua. ||
||Menguji pembacaan smart water meter|Pembacaan smart water meter diuji pada aquarium ikan. Pengujian yang dilakukan adalah sensor suhu, sensor tds, dan sensor PH. hasil pembacaan dikirimkan ke server antares menggunakan protokol lora. hasil pembacaan yang diperoleh telah sesuai dengan yang diinginkan.||
## :smile: Minggu 7
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|03-10-22|Desain 3D casing accelerometer yang baru|Karena desain 3D yang sebelumnya terlalu besar/berat sehingga mengurangi sensitivitas sensor, maka kami desain ulang casing yang lebih kecil. berikut desain casing accelerometer yang baru: (bottom)(top)||
|04-10-22|Persiapan deploy Smart water quality meter|Beberapa persiapan untuk deploy alat termasuk pengecekan fungsional tiap sensor, persiapan casing alat, dan menyiapkan beberapa komponen. Berikut beberapa dokumentasinya: (wiring solar panel) (persiapan komponen PG) (persiapan casing dan fungsionalitas alat)||
|05-10-22|Persiapan deploy alat|karena persiapan sebelumnya masih kurang, kami lanjutkan pada hari ini. Persiapan hari ini mulai dari persiapan barang yang akan dibawa, persiapan fungsional alat, dan persiapan komponen cadangan. ||
|06-10-22|Deploy alat di Subang part I|Berikut keadaan tambak di subang yang kami kunjungi:  Tambak tersebut merupakan jenis tambak air deres yang memanfaatkan air dari sungai sebagai air tambak. Jenis ikan yang ada pada tambak adalah ikan nila dengan masa panen 5 bulan. Ada 2 jenis smart water quality meter yang dideploy yaitu smart water quality meter yang menggunakan komunikasi LORA dan smart water quality meter yang menggunakan komunikasi bluetooth. Smart water quality meter yang menggunakan bluetooth berjalan baik yaitu dapat menampilkan pembacaan data sensor ke aplikasi di smartphone. Sedangkan pada smart water quality meter yang menggunakan lora masih dilakukan debugging.||
|07-10-22|Deploy alat di Subang part II|Pada smart water quality meter yang menggunakan lora sebelumnya kami mengililingi sekitar tambak dengan membawa alatnya untuk mencari sinyal lora karena lokasi tambak yang lumayan jauh dari gateway lora dan adanya pegunungan dan pepohonan yang tinggi dapat meredam sinyal lora. Akhirnya terdapat spot yang kemudian dapat menerima data, namun penerimaan data sangat jarang yaitu sekitar 6-10 kali dalam 24 jam padahal pada source code diset penerimaan data harusnya sekitar 10 detik sekali saat terhubung dengan solar panel dan 15-17 menit sekali saat tidak terhubung dengan solar panel. Selanjutnya, untuk coverage sinyal lora, ada beberapa hal yang dapat dilakukan yaitu mengganti antenna dengan gain yang lebih besar, mempertinggi antenna, serta menggunakan gateway lora sendiri.||
## :smile: Minggu 8
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|10-10-22|Paper reading 1 minggu 8|Paper berjudul "Different daily feed consumption for growth and survival rate of the two strain tilapia (Oreochromis niloticus)." Pada paper tersebut dibahas tentang pengujian pertambahan bobot dan panjang ikan nila ketika diberi perlakuan yang berbeda yaitu pemberian pakan 3%, 5%, dan 7% dari bobot tubuh ikan. Dari paper tersebut diperoleh pertumbuhan dan panjang dan bobot ikan paling besar adalah ketika ikan diberikan pakan sebanyak 3% dari total bobot ikan tiga kali sehari.||
||Paper reading 2 minggu 8|Paper ini berjudul "Growth Rate and Feed Efficiency of Tilapia (Oreochromis niloticus) Reared in Plastic Lined Pond with Starved Periodically." Paper tersebut bertujuan untuk mencari tahu efisiensi pakan ikan ketika ikan dipuasakan setiap waktu tertentu yaitu tanpa puasa, 1 hari diberi pakan 1 hari puasa, 2 hari diberi pakan 1 hari diberi puasa, dan 3 hari diberi pakan 1 hari puasa. Diperoleh pemberian pakan yang paling efisien adalah ketika ikan 1 hari diberi pakan dan 1 hari dipuasakan.||
|11-10-22|Pencetakan casing accelerometer yang baru|Desain 3D casing acccelerometer yang baru telah selesai dicetak, berikut hasilnya. Casing tersebut lebih ringan dan lebih kecil dari casing sebelumnya sehingga lebih sensitive mendeteksi riak air ketika ikan diberi pakan.||
||Pembelian talang filter|kolam aquarium cepat sekali kotor sehingga kami membeli talang filter untuk menyaring kotoran yang ada di kolam aquarium. dengan talang filter ini, kolam aquarium menjadi lebih lama untuk dibersihkan karena air sambil difilter oleh talang filter ini.||
|12-10-22|Penyusunan power point untuk presentasi saat pertemuan dengan telkom agree Kamis, 14 Oktober 2022.|Kami mempresentasikan progress dari proyek IoT Aquarium yang kami kerjakan selama ini. Presentasi membahas mulai dari komponen - komponen yang dipakai hingga pengumpulan data accelerometer. Berikut link PPT yang kami gunakan saat presentasi: https://itbdsti-my.sharepoint.com/:p:/g/personal/13219044_mahasiswa_itb_ac_id/EXekclQtGaNAh5O8SbQ9FoIBf2pGQM3tWQ8QFXx943IcGg?e=ymjM4V ||
|||||
|13-10-22|Pertemuan dengan Telkom dan Agree beserta Dosen - dosen ITB|Pertemuan ini membahas tentang progress dari proyek Smart water quality meter. Smart water quality meter terakhir telah dideploy di subang namun mengalami kendala pada coverage sinyal lora di sana. terdapat beberapa saran dari engineer telkom salah satunya adalah menyederhanakan payload dari data yang dikirim. Selain itu, dibahas pula target selanjutnya untuk produksi 50 buah smart quality meter dan deploy selanjutnya di oku timur dan bintan. ||
|14-10-22|Pembelian cat aquaproof|Karena casing 3D terbaru masih bocor ketika diapungkan di air, maka kami akan menggunakan cat aquaproof.||
||Mencoba casing 3D accelerometer pada aquarium|Casing 3D yang terbaru dicoba untuk diapungkan langsung di air pada aquarium. Namun, Karena masih bocor maka kami mengecatnya agar dapat mengapung lama di air ||
## :smile: Minggu 9
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|17-10-22|Pencetakan kembali casing bagian atas dari casing 3D terbaru|Saat dijemur setelah selesai dicat, casing 3D bagian atas hilang karena tertiup angin sehingga kami harus mencetaknya kembali.||
|18-10-22|Pengecatan casing 3D bagian atas|Setelah selesai dicetak, kami langsung mengecatnya kembali lalu menjemurnya||
||Paper reading|Paper ini berjudul 'Automatic feeders for Nile tilapia raised in cages: productive performance at high feeding frequencies and different rates' yaitu membahas tentang pertumbuhan ikan dan kondisi ikan setelah diberi pakan dengan jumlah dan frekuensi pakan yang bervariasi. Pemberian pakan dilakukan sebanyak 48 kali dalam sehari dengan penjadwalan 2 varian yaitu setiap 30 menit selamaa 24 jam dan setiap 22 menit selama 18 jam. Selain itu jumalh pakan yang diberikan juga divariasikan yaitu 2%, 3%, dan 4% dari total bobot ikan. berikut hasil percobaan tersebut.||
|19-10-22|Pengujian casing 3D|Casing 3D yang sudah selesai dicat dan dikeringkan, lalu diuji diapungkan di air.  Casing yang telah diuji telah terbukti anti air sehingga harusnya dapat tahan lama di air.||
||Peletakan accelerometer pada casing|Casing yang sudah jadi, selanjutnya digunakan untuk peletakan accelerometer. acceleromter dilengkapi dengan kabel yang panjang yang tembus melewati bagian atas casing 3D. Dengan demikian, accelerometer dapat digunakan di accelerometer dengan aman.||
|20-10-22|Penulisan paper|Kami juga akan menulis paper tentang iot aquarium, pada tahap awal saya menulis tentang cara kerja pada iot aquarium dalam bentuk diagram kerja.||
||Pemasangan kerangka mekanik smart quality meter|Untuk peletakan smart water quality meter di tambak, diperlukan adanya kerangka mekanik seperti gambar di bawah.  ||
|21-10-22|Progress report|Progress report dilakukan di xirka bersama dosen pembimbing. ||
|||||
## :smile: Minggu 10
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|24-10-22|Melakukan crimping kabel jst|beberapa komponen lain perlu disiapkan yaitu kabel jst.||
||Mempersiapkan switch button|beberapa komponen lain perlu disiapkan yaitu switch button.||
||Paper reading|Mempelajari paper yang berjudul 'A Computer Vision-Based Intelligent Fish Feeding System Using Deep Learning Techniques for Aquaculture'. Pada paper ini, diberikan metode pemberian pakan yang inovatif yaitu dengan cara memberikan pakan secara periodik/waktu tertentu lalu dengan menggunakan sensor kamera, gambar dari kondisi tambak dianalisis apakah ikan masih lapar atau tidak. Jika masih lapar maka pakan tetap diberikan jika tidak maka pakan berhenti diberikan. Hal ini dapat mengurangi pemborosan pakan ikan yang berlebihan.||
|25-10-22|Memperbaiki DHT11|Terdapat kesalahan pada hasil solder DHT11 sehingga diperlukan perbaikan pada DHT11 yang bermasalah. setelah itu dilakukan pengujian menggunakan multimeter pada hasil perbaikan DHT11.||
||Pembelian loadcell dan module HX711|Loadcell dan module HX711 digunakan untuk pengukuran massa. ||
||Mempelajari introduction to neural network|pada bagian introduction dipelajari tentang konsep awal neural network.||
|26-10-22|Pemasangan kabel pada panel surya|Kabel colokan pada panel surya yang ada berbeda dengan colokan yang akan digunakan pada smart water quality meter, dengan demikian diperlukan penggantian kabel.||
||Pembelian selang filter, pompa filter, dan airstone aerator|Pembelian aksesoris aerator diperlukan untuk meningkatkan DO pada aquarium. Dengan meningkatnya kadar DO maka diharapkan ikan tidak stress dan mengurangi resiko kematian.||
||Mempelajari basics of neural network programming|Pada bagian saya mempelajari persamaan - persamaan dasar pada neural network.||
|27-10-22|Progress report|Progress report dilakukan secara online melalui ms teams bersama dosen pembimbing. ||
|28-10-22|Mempelajari tentang neural network representation dan forward & backward propagation pada neural network|||
||Memperbaiki wiring pada accelerometer pada desain 3D dan esp32|Terdapat masalah pada pembacaan esp32 terhadap sensor accelerometer disebabkan kabel yang bermasalah. ||
## :smile: Minggu 11
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|31-10-22|Pembelian media filter berupa: FISHALL KARBON AKTIF, KAPAS BUSA FILTER, FISH-ALL ZEOLITE|Filter ini digunakan untuk menyaring kotoran dalam air aquarium sehingga memperlambat kotornya aquarium.||
||Paper reading|Paper berjudul "DESAIN PRODUK PEMBERI PAKAN IKAN OTOMATIS" membahas tentang optimasi dari desain pemberi pakan ikan otomatis. Untuk optimasi alat tersebut, digunakan metode House of Quality (HoQ) . Dari desain tersebut, diperoleh rancangan karakteristik sebagai berikut: a) Sebuah alat pakan ikan memiliki dimensi 50 x 50 x 100 cm. b) pakan ikan alat memiliki warna hijau. c) pakan ikan alat memiliki bentuk kotak. d) pakan ikan alat memiliki wadah tubulan. e) alat pakan ikan yang terbuat dari plastik. f) pakan ikan alat memiliki tempat bertelur di samping. g) pakan ikan alat memiliki banyak pakan jatuh 1 meter. h) pakan ikan alat memiliki terpal pelindung. i) pakan ikan alat memiliki satu kali makan. j) pakan ikan alat memiliki kekuatan dari panel surya. k) Harga yang akan dikeluarkan dalam proses mendesain suatu produk adalah Rp 645.000||
|01-11-22|Pengeboran casing smart water quality meter untuk dipasangi PG|PG sebagai jalur masuknya kabel perlu dipasang pada casing smart water quality meter.||
|02-11-22|Pembelian pakan ikan nila berukuran 1 mm|ikan yang lebih besar membutuhkan ukuran pakan yang juga lebih besar. untuk ikan kami sekarang pakan yang sesuai adalah berukuran 1mm. ||
||Pembelian akrilik, driver motor, motor dc, dan servo motor.|akrilik akan digunakan sebagai penampang loadcell dalam melakukan penimbangan massa. driver motor dan motor dc digunakan untuk melakukan pelontaran pakan ikan ke tambak pada smart feeder yang akan dibuat. servo motor digunakan untuk mengeluarkan pakan ikan dari dalam kontainer. ||
|03-11-22|Progress report|progress report membahas hasil neural network dan hal-hal yang akan dibandingkan pada paper yang akan ditulis.||
|04-11-22|Pengambilan data accelerometer pada aquarium|Accelerometer yang sudah dikemas dalam desain 3D diletakkan di permukaan air pada aquarium. lalu pembacaan accelerometer akan direkam oleh esp32 melalui serial monitor pada laptop. accelemeter akan membaca akselerasi pada sumbu x y dan z sehingga dapat terlihat perbedaan saat dilakukan pemberian pakan dan tidak.||
||Mencoba code neural network di python programming untuk memperhatikan parameter, gradien, dan learning rate dari neural network yang dibuat.|||
## :smile: Minggu 12
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|07-11-22|Membuat code neural network from scratch pada python programming language.|code neural network yang dibuat menggunakan dataset make-moon yang ada di scikit learn. berikut dataset yang digunakan.berikut hasil pengklasifikasian menggunakan logistic regression  berikut hasil menggunakan neural network 3 layer ||
|08-11-22|Melakukan pembelian|diperlukan beberapa komponen untuk membuat timbangan pengukura massa pakan, yaitu beberapa jenis kayu, arduino nano, dan kabel jumper.||
|09-11-22|Pembelian mur dan baut|mur dan baut dibutuhkan untuk pembuatan timbangan pengukur massa pakan.||
||Paper reading, "Fuzz-Fish: A Design and Implementation of Fuzzy Fishpond Aquaculture Control Sensing System"|Pada paper ini dibuat alat untuk mengontrol level air dan pemberian pakan menggunakan control fuzzy. Berikut diagram blok sistem: ||
|10-11-22|Pembuatan diagram konsep sistem pada alat pemberi pakan ikan otomatis|Alat pemberi pakan ikan otomatis menggunakan bluetooth sebagai protokol komunikasi. Alat ini terdiri dari 5 blok utama yaitu aplikasi user, modul komunikasi nirkabel, sistem kontainer pakan, sistem pemberian pakan, dan sistem daya.||
|11-11-22|Pembelian ardunino uno, esp32, dan rtc ds1307|||
## :smile: Minggu 13
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|14-11-22|Paper reading, "Smart Fish Feeder"|Pada paper ini dibuat pemberi pakan otomatis dengan diagram blok sistem sebagai berikut: Pada smart feeder ini, digunakan modul GSM untuk melakukan komunikasi dengan Smartphone sehingga dapat menjangkau daerah - daerah yang tidak terjangkau Wifi.||
|15-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktu berikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
||Progress report|Progress report dilakukan sambil menulis paper melalui overleaf.||
|16-11-22|Penulisan draft paper|Bagian yang saya tulis adalah bagian tentang penjelasan Artificial Neural Network (ANN)||
|17-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|18-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
||Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|||||
## :smile: Minggu 14
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|21-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|22-11-22|Melabelkan data|Dari dataset pembacaan accelerometer yang telah dikumpulkan, selanjutnya dilakukan pelabelan yaitu dengan cara memberikan label 0 saat pembacaan kondisi ikan tidak makan dan label 1 saat pembacaan kondisi ikan sedang makan. Dari data pelabelan tersebut dilakukan training data untuk mendapatkan model neural network yang diinginkan.||
||Membuat model ANN dari dataset yang telah dikumpulkan|Arsitektur ANN yang dibuat terdiri dari 2 layer dengan 1 hidden layer terdiri dari 50 neuron. Sedangkan untuk input layer dilakukan variasi, berikut hasilnya.dari hasil di atas tampak bahwa akurasi tertinggi berada pada jumlah neuron 34 dengan akurasi 0.85. Pada model tersebut, loss yang ada masih tinggi. hal ini karena data yang kami kumpulkan masih terlalu sedikit serta jumlah data yang tidak seimbang antar labelnya.||
|23-11-22|Progress report|Progress report dilakukan secara offline di xirka bersama dosen pembimbing.||
||Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|24-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
||Melakukan kalibrasi PH pada smart water quality meter|Kalibrasi PH dilakukan pada beberapa board smart quality meter. Tidak semua board berhasil dilakukan kalibrasi disebabkan perbedaan IC op amp yang digunakan sehingga kalibrasi PH gagal dilakukan pada board tertentu. Pada board yang gagal akan dilakukan penggantian IC op ampnya.||
|25-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|||||
## :smile: Minggu 15
|Tanggal|Kegiatan|Hasil| Kendala|
|-|-|-|-|
|28-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|29-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|30-11-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
|01-12-22|Pengambilan data acceleromter pada aquarium|Pembacaan data pada accelerometer direkam melalui serial monitor. Dari serial monitor data dipindahkan ke excel untuk diproses lebih lanjut. Data accelerometer terdiri dari data dari sumbu x, sumbu y, dan sumbu z. berikut data pada sumbu x terhadap waktuberikut data pada sumbu y terhadap waktuberikut data pada sumbu z terhadap waktu||
||Melakukan pelabelan dataset|Dari dataset pembacaan accelerometer yang telah dikumpulkan, selanjutnya dilakukan pelabelan yaitu dengan cara memberikan label 0 saat pembacaan kondisi ikan tidak makan dan label 1 saat pembacaan kondisi ikan sedang makan. Dari data pelabelan tersebut dilakukan training data untuk mendapatkan model neural network yang diinginkan.||
|02-12-22|Mengimplementasikan ANN pada dataset|Arsitektur ANN yang dibuat menggunakan input layer sebesar 100 data dan hidden layer divariasikan. Hidden layer divariasikan dengan jumlah neuron 32 neuron, 16 neuron, dan 8 neuron. Pada hidden layer 32 neuron dibuat beberapa variasi yaitu 1 hidden layer 32 neuron, 2 hidden layer 16 neuron, dan 4 hidden layer 8 neuron. Pada hidden layer 16 neuron dibuat beberapa variasi yaitu 1 hidden layer 16 neuron, 2 hidden layer 8 neuron, dan 4 hidden layer 4 neuron. Pada hidden layer 8 neuron dibuat beberapa variasi yaitu 1 hidden layer 8 neuron, 2 hidden layer 4 neuron, dan 4 hidden layer 2 neuron. Sedangkan output layer terdiri dari 2 neuron. Berikut hasil akurasi dari implementasi ANN pada dataset.||
|||||
|||||