Perpustakaan Digital ITB

Pertambahan populasi penduduk mengakibatkan permintaan pangan semakin besar. Salah satu solusi yang dapat diterapkan yaitu pertanian dengan teknologi hidroponik, tetapi sistem ini memiliki kekurangan seperti sensitif terhadap perubahan lingkungan atau parameter fisis yang ada sehingga produksi sayuran tidak maksimal. Untuk meningkatkan produksi harus dapat mengendalikan parameter fisis yang paling mempengaruhi proses produksi, proses tersebut dapat dimodelkan menggunakan machine learning dari data yang didapatkan dari sistem Internet of Things (IoT) dan hasil pengukuran pertumbuhan secara manual. IoT digunakan pada penilitian sebagai data miner agar pengukuran parameter-parameter fisis akurat dan presisi sehingga dapat digunakan sebagai datasets pada machine learning. Parameter-parameter fisis yang akan diukur seperti intensitas cahaya, kelembapan udara, temperatur udara, TDS (Total Dissolved Solids), dan temperatur larutan. Terdapat delapan node sensor untuk mengukur keadaan parameter-parameter fisis pada greenhouse hidroponik dengan tujuh node sensor di udara dan satu node sensor dalam larutan. Penilitian dilakukan selama dua kali panen atau sekitar lima enam hari. Data parameter fisis akan dikirimkan setiap tiga menit dari node sensor ke server menggunakan jaringan WiFi router lokal sehingga didapatkan grafik time-series berupa database yang disimpan pada perangkat Raspberry Pi. Data pertumbuhan luas daun diukur setiap 3 hari sekali dengan cara difoto. Kesimpulan model pertumbuhan tanaman pakcoy paling sesuai dan memiliki akurasi yang baik menggunakan algoritma machine learning random forest regression dengan nilai R2 sebesar 0.933, RMSE 54.52 dan absolute error sebesar 8.3%. Didapatkan variabel yang paling mempengaruhi model pertumbuhan yaitu TDS 67,11% dan intensitas cahaya 32,89% sehingga dapat digunakan sebagai variabel kontrol untuk proses produksi. Hasil grafik gradien TDS akan mempengaruhi gradien luas daun selama pertumbuhan dengan intensitas cahaya konstan. Dari hasil penilitian ini didapatkan model pertumbuhan dinamis pada tanaman pakcoy berdasarkan data eksperimen dan sistem IoT, dimana diharapkan dapat diaplikasikan pada sistem kontrol TDS pada penilitian selanjutnya.