PERANCANGAN SISTEM DETEKSI DAN KLASIFIKASI INTRUSI SATWA LIAR MENGGUNAKAN ESP32-CAM BERBASIS MACHINE LEARNING TENSORFLOW JS
Keywords:
Internet of Things, Deteksi Satwa Liar, ESP-32 CAM, PIR HC-SR501, Machine Learning, TensorFlow JS, MQTTAbstract
Meningkatnya aktivitas ekowisata dan bumi perkemahan di kawasan konservasi Sumatera Utara memicu tingginya intensitas Konflik Manusia dan Satwa Liar (KMSL), khususnya melibatkan spesies monyet ekor panjang (Macaca fascicularis) dan babi hutan (Sus scrofa). Metode pengamanan konvensional seperti patroli jagawana bersifat reaktif dan berisiko tinggi, sementara kamera jebak (camera trap) komersial tidak mengirimkan data secara real-time. Penelitian ini bertujuan untuk merancang dan membangun sistem deteksi dan klasifikasi intrusi satwa liar berbasis Internet of Things (IoT) menggunakan mikrokontroler ESP32-CAM dan machine learning TensorFlow.js sebagai sistem peringatan dini (early warning system). Penelitian menggunakan metode Research and Development (R&D). Pada sisi edge, perangkat ESP32-CAM diintegrasikan dengan sensor PIR HC-SR501 untuk mendeteksi pergerakan dari perubahan radiasi termal dari tubuh satwa dan membangkitkan mikrokontroler. Transmisi data gambar dikirimkan menggunakan protokol MQTT menuju server backend berbasis Node.js/Express melalui jaringan WiFi ke server untuk disimpan dalam database lokal serta divisualisasikan pada dashboard monitoring berbasis web secara real-time. Proses klasifikasi citra dilakukan secara dinamis menggunakan penggabungan model umum COCO-SSD mendeteksi segala jenis Satwa Liar dengan manajemen memori menggunakan Worker Thread Pool. Hasil pengujian fungsional menunjukkan seluruh komponen bekerja dengan baik. Pengujian akurasi machine learning mencapai rata-rata di atas 85% untuk model umum dan 88% - 97% untuk model kustom. Latensi pengiriman dan inferensi data dari lapangan hingga tampil di dashboard web React (TanStack Start) rata-rata berkisar antara 2,6 hingga 4,4 detik. Analisis konsumsi daya menunjukkan mode deep sleep (~6 μA) mampu menjaga daya tahan baterai 3500 mAh hingga lebih dari 60 hari. Sistem ini terbukti efektif, hemat energi, dan responsif sebagai solusi pemantauan perimeter pariwisata alam.





