Sistem Kendali pH dan Nutrisi pada Hidroponik menggunakan Jaringan Syaraf Tiruan
Kata Kunci:
sistem, kendali, pH, nutrisi, hidroponik, jaringan syaraf tiruanAbstrak
Hidroponik adalah metode bercocok tanam yang menggantikan media tanah dengan air. Perawatan dilakukan dengan pemantauan manual yang memakan waktu. Penelitian ini membuat sistem kendali untuk pH dan nutrisi pada tanaman hidroponik menggunakan metode Jaringan Syaraf Tiruan (JST) agar perawatan tanaman hidroponik lebih terkontrol dan efisien. Sistem mampu membaca kondisi pH dan nutrisi sekaligus memenuhi kebutuhannya. Penggunaan JST bertujuan untuk prediksi durasi pompa agar tidak perlu mengecek berulang. Sistem menggunakan Arduino UNO, Kit Sensor 4502C (Sensor pH) dan TDS Meter V1.0 (Sensor nutrisi). Model JST dilatih dengan 88 dataset dengan parameter; 3 layer, 10 neuron pada hidden layer, 897 epochs dan Bayesian Regulization untuk algoritmenya. Pelatihan model JST mendapatkan nilai 1408,31 untuk Mean Squared Error (MSE) dan 0,99 untuk koefisien relasi (R). Sistem dilakukan untuk pengujian untuk mengevaluasi hasil. Pengujian akurasi sensor membandingkan hasil pembacaan sensor dengan alat ukur konvensional, 96,63% untuk sensor pH dan 94,92% untuk sensor TDS (95,84% jika tanpa anomali data). Pengujian hasil model JST membandingkan prediksi model JST dengan durasi pompa aktual, mendapatkan nilai RMSE 89,11, 40,40 dan 119,79 untuk masing-masing pompa. Pengujian stabilitas JST mendapatkan hasil grafik yang stabil. Pengujian performa waktu JST mendapatkan rata-rata durasi 359,47 ms.
Referensi
Fausett, L. (1994). Fundamentals of Neural Networks: Architectures, Algorithms And Applications. Prentice Hall.
Mehri, M. (2013). A comparison of neural network models, fuzzy logic, and multiple linear regression for prediction of hatchability. Poultry Science, 92(4), 1138–1142. https://doi.org/10.3382/ps.2012-02827
Rosliani, R., & Sumarni, N. (2005). Budidaya Tanaman Sayuran dengan Sistem Hidroponik. Monografi, 27, 1–38.
Tallei, T. E., Rumengan, I. F. M., & Adam, A. A. (2017). Hidroponik untuk Pemula. In UNSRAT Press. Penerbit LPPM UNSRAT.
Uzair, M., & Jamil, N. (2020). Effects of Hidden Layers on the Efficiency of Neural networks. Proceedings - 2020 23rd IEEE International Multi-Topic Conference, INMIC 2020, 1–6. https://doi.org/10.1109/INMIC50486.2020.9318195
Wati, D. R., & Sholihah, W. (2021). Pengontrol pH dan Nutrisi Tanaman Selada pada Hidroponik Sistem NFT Berbasis Arduino. MULTINETICS, 7(1), 12–20. https://doi.org/10.32722/multinetics.v7i1.3504
Fausett, L. (1994). Fundamentals of Neural Networks: Architectures, Algorithms And Applications. Prentice Hall.
Mehri, M. (2013). A comparison of neural network models, fuzzy logic, and multiple linear regression for prediction of hatchability. Poultry Science, 92(4), 1138–1142. https://doi.org/10.3382/ps.2012-02827
Rosliani, R., & Sumarni, N. (2005). Budidaya Tanaman Sayuran dengan Sistem Hidroponik. Monografi, 27, 1–38.
Tallei, T. E., Rumengan, I. F. M., & Adam, A. A. (2017). Hidroponik untuk Pemula. In UNSRAT Press. Penerbit LPPM UNSRAT.
Uzair, M., & Jamil, N. (2020). Effects of Hidden Layers on the Efficiency of Neural networks. Proceedings - 2020 23rd IEEE International Multi-Topic Conference, INMIC 2020, 1–6. https://doi.org/10.1109/INMIC50486.2020.9318195
Wati, D. R., & Sholihah, W. (2021). Pengontrol pH dan Nutrisi Tanaman Selada pada Hidroponik Sistem NFT Berbasis Arduino. MULTINETICS, 7(1), 12–20. https://doi.org/10.32722/multinetics.v7i1.3504
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
