Perpustakaan Digital ITB

Sektor pertanian mengonsumsi porsi terbesar dari cadangan air tawar global, sehingga peningkatan efisiensi manajemen air melalui pertanian presisi berbasis Internet of Things (IoT) menjadi sangat krusial. Estimasi evapotranspirasi (ET) yang akurat merupakan komponen utama dalam menentukan kebutuhan air tanaman. Namun, perhitungannya secara konvensional seringkali terkendala oleh keterbatasan data parameter kelingkungan di lapangan. Penelitian ini bertujuan untuk merancang dan mengevaluasi komparasi performa algoritma machine learning—yakni Support Vector Regression (SVR), Random Forest (RF), Artificial Neural Network (ANN), dan hibrida Genetic Algorithm - Machine Learning (GA-ML)—dalam memprediksi nilai ET menggunakan data mikroklimat. Suhu, kelembapan, kecepatan angin, curah hujan, dan intensitas cahaya dikumpulkan melalui sensor mikroklimat di perkebunan kopi di Malang selama periode September 2023 hingga Januari 2024. Model dievaluasi menggunakan berbagai skenario set fitur untuk menguji ketahanannya terhadap potensi ketiadaan atau kegagalan sensor di lapangan. Kinerja model diukur menggunakan Mean Squared Error (MSE) dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model hibrida ANN yang dioptimasi oleh Algoritma Genetika (ANN_GA_Features) memberikan performa prediksi terbaik secara absolut dengan nilai R² 0.999494 dan MSE 0.000013. Walaupun demikian, ANN sangat sensitif terhadap hilangnya fitur utama seperti intensitas, suhu, dan kelembaban. Sebaliknya, model RF menunjukkan stabilitas (robustness) saat dihadapkan pada skenario ketiadaan data penting, dengan tetap mampu mempertahankan R² sebesar 0.978939 ketika data intensitas cahaya dihilangkan. Penelitian ini merekomendasikan penggunaan model ANN-GA dengan akurasi yang tinggi, serta penggunaan RF untuk sistem IoT low-cost dengan ketersiediaan sensor terbatas. Selain itu, perangkat lunak dan keras cerdas untuk irigasi dapat dioptimalkan efisiensi biayanya dengan memprioritaskan sensor kelembapan dan intensitas cahaya, serta mereduksi sensor angin dan curah hujan di lingkungan dengan komoditas dan kondisi mikroklimat serupa.