Publisher

ISASISAS

Journal Journal of Applied Smart Electrical Network and SystemsJournal of Applied Smart Electrical Network and Systems Abstract

Di era perkembangan teknologi yang sangat pesat ini, pertanian di Indonesia telah memasuki era Generasi 4.0 dengan fokus utama pada transformasi, pengembangan, dan pemanfaatan teknologi di bidang pertanian. Sektor pertanian di Indonesia saat ini sedang berada pada transformasi pertanian tradisional menuju pertanian cerdas yang memanfaatkan kemajuan teknologi, seperti Internet of Things (IoT), robotika, dan mikrokontroler, salah satu penerapan teknologi tersebut ada pada greenhouse. Greenhouse merupakan bangunan yang diselubungi bahan bening atau tembus cahaya yang memerlukan pemantauan variabel tertentu, seperti temperatur, kelembaban udara, dan intensitas cahaya, untuk menjaga kondisi tanaman yang dibudidayakan. Pada greenhouse digunakan sensor Capcitive Soil Moisture, dimana pada saat sensor tersebut mendeteksi kurangnya kelembapan pada tanah, maka sensor tersebut akan memberikan sinyal untuk menghidupkan pompa. Sensor ini tentu saja memerlukan input dalam menghidupkan pompa, dimana tegangan tersebut memiliki nilai yang berbeda-beda disetiap aksinya dalam menghidupkan pompa. Oleh karena itu, diperlukannya pendekatan prediksi dan pembuktian dengan bantuan optimalisasi untuk memprediksi input sensor agar dapat terus mendukung kelancaran keberlangsungan pertanian pada greenhouse.

Conclusion

Dalam penelitian ini, prediksi tegangan input dari sensor kapasitif kelembaban tanah menggunakan metode Random Forest guna mendukung konsep pertanian pintar mendapatkan hasil dengan tingkat akurasi sebesar 100%.Hasil ini menciptakan harapan positif terhadap keberhasilan model dalam memprediksi kondisi tanah.Hal ini memungkinkan petani untuk mengambil keputusan yang lebih tepat waktu dan efisien dalam pengelolaan tanaman.Random Forest dapat mengatasi masalah overfitting dan memberikan hasil yang stabil dan konsisten.Hasil penelitian menggunakan Random Forest ini juga mendapatkan nilai evaluasi model yang optimal dengan nilai macro average dan weighted average dengan nilai precision 1.Serta nilai MSE dan RMSE di angka 0,0000.

Future Research

Untuk penelitian lanjutan, dapat dipertimbangkan pengembangan model Random Forest yang lebih kompleks dengan memasukkan variabel-variabel tambahan, seperti suhu, kelembaban udara, dan intensitas cahaya, untuk meningkatkan akurasi prediksi. Selain itu, studi komparatif antara Random Forest dengan algoritma lain seperti Decision Tree atau Support Vector Machine dapat dilakukan untuk mengevaluasi keunggulan dan kelemahan masing-masing algoritma dalam konteks pertanian pintar. Terakhir, penelitian dapat berfokus pada implementasi sistem pertanian pintar yang terintegrasi dengan sensor dan model prediksi, serta menguji efektivitasnya dalam meningkatkan produktivitas dan kualitas tanaman di greenhouse.

References

1. International Journal on Advanced Science, Engineering and Information Technology. journal advanced science... ijaseit.insightsociety.org/index.php/ijaseitInternational Journal on Advanced Science Engineering and Information Technology journal advanced science ijaseit insightsociety index php ijaseit

Metadata

File size	323.9 KB
Pages	7
DMCA	Report