Electronic Theses and Dissertation

Pengepul buah kelapa sawit berperan sebagai lembaga pemasaran yang
membantu petani dalam pengumpulan dan pengiriman buah kelapa sawit ke pabrik.
Dalam proses distribusi, pengepul sering mengandalkan dump truck sebagai sarana
transportasi, dengan menyerahkan pengoperasiannya kepada pengemudi. Namun,
ada potensi bahwa pengemudi dapat melalaikan tanggung jawab mereka. Penelitian
ini bertujuan untuk merancang Prototipe Sistem IoT untuk Tracking Dump Truck
Pengangkut Buah Kelapa Sawit Berbasis Modul GPS dan LoRa. Hasil pengujian
menunjukkan bahwa sistem ini berhasil mendeteksi kendaraan multi-input dan
single input dengan delay selama 15 detik dan menampilkannya dalam aplikasi
berbentuk Map dengan tingkat akurasi yang tinggi. Dari pengujian Akurasi Red
marker menunjukkan galat relatif kecil dengan galat latitude tertinggi sebesar
0,00032% dan galat terkecil sebesar 0,00001%, serta galat longitude tertinggi
sebesar 0,00012% dan galat terkecil sebesar 0,00005%. Blue marker menunjukkan
galat latitude tertinggi sebesar 0,00075% dan galat terkecil sebesar 0,00021%, serta
galat longitude tertinggi sebesar 0,00001% dan galat terkecil sebesar 0,0000031%.
Hasil pengujian Kondisi rute dengan receiver yang ditempatkan sejajar dengan
jalan, jarak yang dicapai pada pengujian minim gangguan adalah 850 meter,
sedangkan pada kondisi rute dengan gangguan, jarak yang dicapai hanya 500 meter.
Dengan demikian, dapat disimpulkan bahwa pengujian pada kondisi minim
gangguan memberikan hasil jangkauan yang lebih baik dibandingkan dengan
pengujian pada kondisi dengan gangguan.

Palm oil fruit collectors play a crucial role as marketing intermediaries, assisting farmers in the collection and delivery of palm oil fruits to factories. In the distribution process, collectors often rely on dump trucks as the primary mode of transportation, with the operation of these trucks entrusted to drivers. However, there is a potential risk that drivers may neglect their responsibilities. This research aims to implement a prototype IoT system for tracking palm oil fruit dump trucks based on GPS and LoRa modules. The implementation results demonstrate that this system successfully detects multi-input and single-input vehicles with a delay of 15 seconds and displays them in a high-accuracy map application. Accuracy tests show that the red marker has a minimal relative error, with the highest latitude error being 0.00032% and the smallest being 0.00001%. In comparison, the highest longitude error is 0.00012% and the smallest is 0.00005%. The blue marker indicates the highest latitude error of 0.00075% and the smallest error of 0.00021%, along with the highest longitude error of 0.00001% and the smallest of 0.0000031%. Route condition testing with the receiver placed parallel to the road achieved a distance of 850 meters in minimal interference conditions, whereas in interference conditions, the distance achieved was only 500 meters. Therefore, it can be concluded that testing under minimal interference conditions provides better range results compared to testing under interference conditions.