ABSTRAK Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
COVER Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 1 Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 2 Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 3 Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 4 Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
BAB 5 Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
PUSTAKA Rifky Armando Putra
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Kebutuhan pokok semakin naik seiring dengan bertambahnya jumlah penduduk. Hal ini dapat
menyebabkan peralihaan lahan pertanian menjadi lahan hunian masyarakat sehingga dapat
menurunkan hasil panen dari pertanian. Untuk itu dibutuhkan suatu metode pertanian agar
dapat menghasilkan kebutuhan pokok dalam kondisi lahan yang sempit salah satu metodenya
yaitu hidroponik. Hidroponik merupakan budidaya tanaman yang memanfaatkan air dengan
menekankan pada pemberian nutrisi yang cukup. Untuk meningkatkan produksi dari sayur
maka dilakukan modifikasi pada sistem hidroponik dimana dengan bantuan Machine Learning
untuk memperoleh model pertumbuhan yang lebih baik dengaan mengontrol kadar nutrisi.
Dalam penelitian ini dibuat sebuah sistem pengendalian nutrisi pada tanaman kangkung
hidroponik menggunakan kontroler STM 32, yang dapat memberikan takaran nutrisi ABMix
dengan PPM (Part Per Million) yang dibutuhkan yang bertujuan mencukupi kebutuhan
oksigen dan zat-zat yang dibutuhkan tanaman untuk kelangsungan hidup. Sistem yang
mengatur kadar nutrisi diharapkan dapat menghasilkan pertumbuhan yang lebih baik. Data
yang digunakan untuk Machine Learning yaitu konsentrasi larutan, humiditas, suhu larutan,
suhu lingkungan dan intensitas cahaya sebagai variabel independen dan tinggi batang sebagai
variabel dependen. Pengukuran setiap variabel dilakukan selama 22 hari. Untuk kosentrasi
larutan (nutrisi) itu di bagi atas 2 percobaaan yaitu dengan perbandingan nutrisi A, nutrisi B
dan air 9ml:9ml:1L dan 4.5ml:4.5ml:1L. Model yang digunakan yaitu Random Forest dan
Gradien Boosting. Hasil analisis menunjukan bahwa model yang digunakan untuk
memprediksi pertumbuhan memiliki error function berupa R
2 = 0.9154 dan MAE(Mean
Absolute Error) = 1.89% untuk Random Forest dan R
2 = 0.7986 dan MAE = 4.24% untuk
Gradien Boosting. Untuk perbandingan nutrisi A, B dan air itu lebih baik 9ml:9ml:1L dimana
dihasilkan tinggi batang sebesar 51cm dan berat 145gr