Sistem Kendali Parameter Suhu dan Nutrisi Tanaman Bawang Putih pada Aeroponik menggunakan Metode Artificial Neural Network berbasis Arduino Uno

Rizki Cahya Arasy; Mochammad Hannats Hanafi Ichsan; Hurriyatul Fitriyah

Sistem Kendali Parameter Suhu dan Nutrisi Tanaman Bawang Putih pada Aeroponik menggunakan Metode Artificial Neural Network berbasis Arduino Uno

Penulis

Rizki Cahya Arasy Fakultas Ilmu Komputer, Universitas Brawijaya
Mochammad Hannats Hanafi Ichsan Fakultas Ilmu Komputer, Universitas Brawijaya
Hurriyatul Fitriyah Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

sistem, kendali, suhu, nutrisi, aeroponik, bawang putih, jaringan syaraf tiruan

Abstrak

Pertanian adalah salah satu mata pencaharian penting karena pertanian memiliki peran untuk memenuhi kebutuhan. Pertanian memiliki berbagai cara tanam, salah satunya adalah Aeroponik yang merupakan metode bercocok tanam menggunakan udara sebagai pengganti media tanah. Umbi-umbian seperti bawang putih merupakan tanaman yang cocok untuk Aeroponik karena kebutuhan yang sederhana. Suhu dan nutrisi merupakan parameter yang berperan penting. Suhu perlu dijaga dari 25 sampai 32 derajat celcius, sedangkan nutrisi perlu dijaga dari 1000 sampai 1200 ppm. Maka dari itu, penelitian ini bertujuan untuk membuat sistem untuk melakukan pemantauan dan kontrol pada suhu dan nutrisi bawang putih Aeroponik. Sistem juga menggunakan metode Jaringan Syaraf Tiruan untuk melakukan prediksi berapa lama durasi pompa dan kipas. Sistem menggunakan Arduino UNO, TDS Meter dan DS18B20. Model JST diimplementasikan pada sistem dan dilakukan pelatihan dengan 24 dataset untuk suhu dan 24 dataset untuk TDS. Sistem diuji untuk akurasi TDS Meter (Sensor Nutrisi) dengan hasil sebesar 91% dan DS18B20 (Sesnor Suhu) dengan hasil sebesar 94%. Model JST pada sistem mendapatkan nilai MAPE sebesar 0,129 dari perbandingan dengan kondisi aktual.

Referensi

Dwi, A., Prastya, A., Fitriyah, H., Akbar, S. R. (2022). Sistem Kendali Parameter Suhu dan Nutrisi pada Aeroponik menggunakan Metode Regresi Linier (Vol. 6, Issue 10). http://j-ptiik.ub.ac.id

Rizky, R., Edwin., R. (2017). Penerapan Metode Artifical Neural Network Untuk Peramalan Inflasi Di Indonesia.

Hadi Wijaya, A. (2019). ARTIFICIAL NEURAL NETWORK UNTUK MEMPREDIKSI BEBAN LISTRIK DENGAN MENGGUNAKAN METODE BACKPROPAGATION (Studi Kasus PT. PLN Regional Sumatera Barat). Jurnal CoreIT, 5(2).

Yuniarti, T., Rusmar, I., Rachmi Hidayani, T., Mirnandaulia, M., & Teknologi Kimia Industri, P. (n.d.). PENGGUNAAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK MEMODELKAN VOLUME EKSPOR CRUDE PALM OIL (CPO) DI INDONESIA.

Ardiansyah, A., Naufalin, R., Arsil, P., Latifasari, N., Wicaksono, R., Aliim, M. S., Kartiko, C., & Waluyo, S. (2022). Machine Learning Model for Quality Parameters Prediction and Control System Design in the Kecombrang Flower (Etlingera elatior) Extraction Process. Processes, 10(7). https://doi.org/10.3390/pr10071341

Della, S., Simbolon, H., & Nur, M. (2018). Jurnal Dinamika Pertanian Volume XXXIV Nomor 2 Agustus.

Pristanti, Y. D., & Windana, F. (2015). Pengembangan Metode Neural Networks wuntuk Menentukan Karakter Seseorang. In Jurnal STT STIKMA Internasional (Vol. 6, Issue 1)

Zaini, A., Kurniawan, A., & Herdhiyanto, A. D. (n.d.). Internet of Things for Monitoring and Controlling Nutrient Film Technique (NFT) Aquaponic.

Ellok, D.A. (2021). MENGENAL BUDIDAYA AEROPONIK.

Rizky, R., Edwin., R. (2017). Penerapan Metode Artifical Neural Network Untuk Peramalan Inflasi Di Indonesia

Sistem Kendali Parameter Suhu dan Nutrisi Tanaman Bawang Putih pada Aeroponik menggunakan Metode Artificial Neural Network berbasis Arduino Uno