Implementasi Metode Kalman Filter pada Sistem IoT Penimbangan Hewan

Penimbangan hewan merupakan aspek penting dalam industri peternakan karena berperan dalam penentuan pakan, pemantauan pertumbuhan, dan penilaian ekonomi ternak. Namun, akurasi pengukuran sering terganggu oleh pergerakan hewan yang menyebabkan fluktuasi data, sehingga nilai pembacaan sensor cenderung tidak stabil dan menyulitkan penentuan berat sebenarnya. Kondisi ini umum terjadi pada proses penimbangan hewan hidup, di mana beban pada platform terus berubah akibat langkah, goyangan, atau gerakan mendadak, sehingga diperlukan metode pemrosesan sinyal yang mampu meredam noise dan mempertahankan kestabilan data. Salah satu solusi yang efektif adalah penggunaan algoritma Kalman Filter, yang bekerja secara rekursif untuk memadukan data prediksi dan hasil pengukuran aktual, sehingga menghasilkan estimasi berat yang lebih mendekati nilai sebenarnya dengan tingkat kesalahan yang lebih rendah.Penelitian ini mengusulkan sistem penimbangan hewan berbasis Internet of Things (IoT) yang dilengkapi dengan algoritma Kalman Filter untuk meningkatkan akurasi dan kestabilan hasil pengukuran. Sistem dirancang menggunakan empat sensor load cell berkapasitas 200 kg yang terhubung melalui HX711 dan dikendalikan oleh mikrokontroler ESP32. Identifikasi hewan dilakukan secara otomatis menggunakan modul RFID, dengan dukungan RTC untuk pencatatan waktu serta Firebase sebagai media penyimpanan cloud. Data ditampilkan secara real-time melalui antarmuka Node-RED. Hasil pengujian menunjukkan bahwa penerapan Kalman Filter mampu mengurangi kesalahan pengukuran hingga di bawah 1% dan mempertahankan koefisien variasi di bawah 1%, yang menunjukkan tingkat presisi dan kestabilan sistem yang tinggi. Dengan demikian, sistem ini terbukti efektif dalam mendukung pemantauan berat hewan secara otomatis, akurat, dan dapat diakses dari jarak jauh, serta berpotensi diimplementasikan dalam skala industri peternakan modern.