SaClay PKM-KC · 2026

MAHASISWA UPN JOGJA · PKM-KC 2026

Tim mahasiswa UPN Jogja, satu masalah nyata.

SaClay dikembangkan tim multidisiplin UPN Veteran Yogyakarta dalam skema PKM-KC 2026 yang menggabungkan Teknik Kimia dan Informatika untuk menjawab susut pascapanen cabai.

01 / AKAR IDE

Dari Afrika, ke iklim tropis kita

Ide dasar SaClay bukan dari nol. Sistem pot-in-pot dari tanah liat dikembangkan Mohammed Bah Abba, yang menemukan bahwa dua pot tanah liat dengan lapisan pasir basah di antaranya bisa mendinginkan isinya secara alami. Teknologi ini memenangkan Rolex Award dan terbukti di iklim kering.

Kelemahannya: sistem itu pasif, tanpa monitoring, dan kurang optimal di iklim lembap seperti Indonesia.

SaClay hadir sebagai evolusi aktif dengan tambahan kipas terkendali, sensor, dan machine learning agar bekerja di kondisi nyata petani Indonesia.

02 / TIM

Orang-orang di balik SaClay

HKDr. Heri Septya Kusuma
Dosen Pembimbing

Dr. Heri Septya Kusuma, S.Si., M.T.

Program Studi Teknik Kimia · UPN Veteran Yogyakarta

PAPahlevi Alwaleed
Ketua Tim

Pahlevi Alwaleed

S1 Teknik Kimia · Sistem evaporatif & koordinasi tim

LZLinggar Zeta Kusuma
Anggota

Linggar Zeta Kusuma

S1 Teknik Kimia · Adminstrator & Humas

MLMarsyafa Lakeisha Aretha H.
Anggota

Marsyafa Lakeisha Aretha H.

S1 Teknik Kimia · Publikasi, Media Sosial & Dokumentasi

BRBintang Ramadhan
Anggota

Bintang Ramadhan

S1 Informatika · IoT, Implementasi SVM & Integrasi Software

MFMuhammad Fahrel Firmansyah
Anggota

Muhammad Fahrel Firmansyah

S1 Teknik Kimia · Design Engineer & Uji Fungsional

03 / DAMPAK

Yang ingin kami ubah

01

Untuk petani

Masa simpan cabai diperpanjang signifikan dari 3–4 hari, mengakhiri forced selling. Informasi mutu realtime dan harga pasar membantu keputusan: kapan jual, kapan olah.

02

Untuk ekosistem pertanian

Data mutu dari banyak unit SaClay bisa membentuk peta kualitas cabai regional dan prediksi supply chain, mendorong adopsi IoT di level petani mikro yang selama ini tertinggal.

Mari lihat bagaimana sistemnya bekerja.

Dari fisika pendinginan hingga klasifikasi mutu machine learning.