Perpustakaan Digital ITB

Ketersediaan unsur hara tanah yang seimbang menjadi isu krusial dalam produksi pangan global karena pemupukan yang tidak tepat dosis dan waktu dapat memicu penurunan produktivitas, pemborosan input, serta degradasi lingkungan. Penelitian ini bertujuan merancang dan mengimplementasikan sistem smart farming berbasis Internet of Things (IoT) dan multi-model analitik untuk mendukung pemupukan presisi pada lahan cabai di Kebun Dinas Pertanian, Kelautan dan Perikanan Kota Parepare. Metode yang digunakan adalah Design Science Research Methodology (DSRM) dengan tahapan identifikasi masalah, perancangan artefak, implementasi, dan evaluasi. Hasil pengukuran lapangan menghasilkan dataset gabungan sensor dan cuaca yang menunjukkan bahwa lahan percobaan cenderung miskin nitrogen (rata-rata 22,9 mg/kg, median 10 mg/kg, rentang 0–195 mg/kg), sementara fosfor dan kalium relatif lebih tersedia namun fluktuatif (P rata-rata 97,1 mg/kg, K ratarata 89,8 mg/kg). Analisis data menggunakan multi-model smart farming, yaitu Model A dikembangkan menggunakan Random Forest Classifier untuk mendeteksi empat kelas kondisi agronomis (–1 = normal, 0 = pemupukan, 1 = pengairan manual, 2 = hujan) berbasis fitur delta sensor, fitur waktu siklik, dan indikator hujan sintetis. Setelah penanganan ketidakseimbangan kelas, Model A mencapai akurasi sekitar 99,6% pada data uji, dengan kelas normal dikenali sangat baik (precision ±0,997; recall ±0,999). Event pemupukan yang terdeteksi digunakan untuk mengkalibrasi model peluruhan eksponensial unsur hara, dengan konstanta peluruhan nitrogen K = 0,79 hari?¹ sedangkan fosfor dan kalium memiliki K sekitar 0,75 hari?¹ dengan waktu paro sekitar 0,93 hari, yang menunjukkan bahwa lebih dari separuh peningkatan N, P, K pasca pemupukan hilang dalam waktu kurang dari dua hari. Parameter ini kemudian digunakan Model B untuk menyimulasikan neraca harian N, P, K dan salinitas, serta menghasilkan rekomendasi dosis pemupukan harian yang menjaga konsentrasi hara mendekati target tanpa melampaui batas salinitas dan dosis maksimum. Secara keseluruhan, integrasi perangkat IoT dengan multi model analitik menghasilkan sistem rekomendasi pemupukan yang adaptif, spesifik lokasi, dan berpotensi menjadi fondasi pengembangan praktik dan kebijakan pemupukan berbasis data dalam kerangka precision agriculture.