Penerapan Machine Learning untuk Mengendalikan Parameter Budidaya Tanaman Hidroponik Berbasis Edge dan Cloud Computing
DOI:
https://doi.org/10.25126/jtiik.1148631Kata Kunci:
smart agriculture, hidroponik, edge, cloudAbstrak
Hidroponik sebagai metode urban farming mampu memenuhi kebutuhan sayuran segar di Indonesia. Budidaya tanaman hidroponik memiliki banyak keunggulan, antara lain tidak memerlukan lahan luas, bebas pestisida, tanaman lebih steril, dan tidak mudah terkena penyakit karena tidak menggunakan tanah. Keasaman larutan (pH) adalah parameter penting dalam budidaya hidroponik, karena mempengaruhi kemampuan tanaman menyerap unsur hara. Selain pH, kepekatan larutan nutrisi yang dinyatakan dalam Total Dissolved Solids (TDS) dengan satuan ppm juga perlu dikendalikan karena menyuplai nutrisi yang dibutuhkan tanaman. Dalam penelitian ini, pengendalian pH dan TDS menggunakan machine learning dengan metode regresi linear berganda serta teknologi edge computing dan cloud computing. Edge computing memungkinkan pemrosesan data real-time di perangkat sensor hidroponik, sedangkan cloud computing menyediakan kapasitas penyimpanan dan pemrosesan besar. Kombinasi kedua teknologi ini memungkinkan sistem pengendalian yang efisien, scalable, dan dapat diakses dari mana saja oleh petani. Berdasarkan hasil pengendalian via cloud, persamaan regresi untuk pengendalian TDS mampu bekerja dengan baik dengan akurasi 98,73% pada tandon 60 liter dan 95,95% pada tandon 100 liter. Selain itu, persamaan regresi untuk pengendalian pH juga bekerja dengan baik dengan akurasi 99,28% pada tandon 60 liter dan 99,69% pada tandon 100 liter.
Abstract
Hydroponics, as an urban farming method, can meet the demand for fresh vegetables in Indonesia. Hydroponic plant cultivation has many advantages, including not requiring large land areas, being pesticide-free, producing more sterile plants, and being less susceptible to disease since it does not use soil. The acidity of the solution (pH) is a crucial parameter in hydroponic cultivation because it affects the plant's ability to absorb nutrients. Besides pH, the concentration of the nutrient solution, expressed in Total Dissolved Solids (TDS) in ppm, also needs to be controlled as it supplies the nutrients required by plants. In this study, the control of pH and TDS utilizes machine learning with a multiple linear regression method and edge computing and cloud computing technologies. Edge computing allows real-time data processing at the hydroponic system's sensor devices, while cloud computing provides large storage and processing capacities. The combination of these technologies enables an efficient, scalable control system accessible to farmers from anywhere. Based on cloud control results, the regression equations for TDS control were found to be adequate and perform well with an accuracy of 98.73% for a 60-liter tank and 95.95% for a 100-liter tank. Additionally, the regression equations for pH control were also adequate and performed well with an accuracy of 99.28% for a 60-liter tank and 99.69% for a 100-liter tank.
Downloads
Referensi
ADIANGGIALI, A., IRAWATI, I.D., HADIYOSO, S. and LATIP, R., 2023. Classification of Nutrient Deficiencies Based on Leaf Image in Hydroponic Lettuce using MobileNet Architecture. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 11(4), p.958. https://doi.org/10.26760/elkomika.v11i4.958.
AL-GHARIBI, R.S., 2021. IoT-Based Hydroponic System. In: 2021 International Conference on System, Computation, Automation and Networking (ICSCAN). IEEE. pp.1–6. https://doi.org/10.1109/ICSCAN53069.2021.9526391.
ARIF SUPRIYANTO and FATHURRAHMANI, F., 2019. The prototype of the Greenhouse Smart Control and Monitoring System in Hydroponic Plants. Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, 10(2), pp.131–143. https://doi.org/10.31849/digitalzone.v10i2.3265.
BAN, B., RYU, D. and LEE, M., 2019. Machine Learning Approach to Remove Ion Interference Effect in Agricultural Nutrient Solutions. In: 2019 International Conference on Information and Communication Technology Convergence (ICTC). IEEE. pp.1156–1161. https://doi.org/10.1109/ICTC46691.2019.8939812.
BUANA, Z., CANDRA, O. and ELFIZON, E., 2019. Sistem Pemantauan Tanaman Sayur dengan Media Tanam Hidroponik Menggunakan Arduino. JTEV (Jurnal Teknik Elektro dan Vokasional), 5(1.1), p.74. https://doi.org/10.24036/jtev.v5i1.105169.
ENI DWI WARDIHANI, EKA ULIA SARI, HELMY, ARI SRIYANTO NUGROHO, YUSNAN BADRUZZAMAN, ARIF NURSYAHID, THOMAS AGUNG SETYAWAN and MEDIA FITRI ISMA NUGRAHA, 2024.
Pemantauan dan Pengendalian Parameter Greenhouse Berbasis IoT Dengan Protokol MQTT. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 13(1), pp.38–43. https://doi.org/10.22146/jnteti.v13i1.8564.
EUIS KUSNIAWATI, DIAN KURNIA SARI and MARESKA KARENINA PUTRI, 2023. Pemanfaatan Sekam Padi Sebagai Karbon Aktif untuk Menurunkan Kadar Ph, Turbidity, Tss, dan Tds. Journal of Innovation Research and Knowledge, 2(10), pp.4183–4198. https://doi.org/10.53625/jirk.v2i10.5405.
FUADA, S., SETYOWATI, E., AULIA, G.I. AND RIANI, D.W., 2023. Narative Review Pemanfaatan Internet-Of-Things untuk Aplikasi Seed Monitoring and Management System pada Media Tanaman Hidroponik di Indonesia. Infotech journal, 9(1), pp.38–45. https://doi.org/10.31949/infotech.v9i1.4439.
HASFANI, H. and RISTIAN, U., 2024. Infrastruktur Jaringan Komunikasi pada Smart-Green House Tanaman Anggur berbasis Edge Computing. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 12(2), p.484. https://doi.org/10.26760/elkomika.v12i2.484.
HELMY, H., JANAH, D.A.M., NURSYAHID, A., MARA, M.N., SETYAWAN, T.A. and NUGROHO, A.S., 2020. Nutrient Solution Acidity Control System on NFT-Based Hydroponic Plants Using Multiple Linear Regression Method. In: 2020 7th International Conference on Information Technology, Computer, and Electrical Engineering (ICITACEE). IEEE. pp.272–276. https://doi.org/10.1109/ICITACEE50144.2020.9239134.
HERMAN and SURANTHA, N., 2019. Intelligent Monitoring and Controlling System for Hydroponics Precision Agriculture. In: 2019 7th International Conference on Information and Communication Technology (ICoICT). IEEE. pp.1–6. https://doi.org/10.1109/ICoICT.2019.8835377.
HIDAYANTI, L. and KARTIKA, T., 2019. Pengaruh Nutrisi AB Mix Terhadap Pertumbuhan Tanaman Bayam Merah (Amaranthus tricolor L.) secara Hidroponik. Sainmatika: Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam, 16(2), p.166. https://doi.org/10.31851/sainmatika.v16i2.3214.
ILMI, U., 2019. Studi Persamaan Regresi Linear Untuk Penyelesaian Persoalan Daya Listrik. Jurnal Teknika, 11(1), p.1083. https://doi.org/10.30736/jt.v11i1.291.
JAMHARI, C.A., WIBOWO, W.K., ANNISA, A.R. and ROFFI, T.M., 2020. Design and Implementation of IoT System for Aeroponic Chamber Temperature Monitoring. In: 2020 Third International Conference on Vocational Education and Electrical Engineering (ICVEE). IEEE. pp.1–4. https://doi.org/10.1109/ICVEE50212.2020.9243213.
KRISTIAWAN, K., DIAMANTA, D., ATMAJA, T. and WIDJAJA, A., 2020. Deteksi Buah Menggunakan Supervised Learning dan Ekstraksi Fitur untuk Pemeriksa Harga. Jurnal Teknik Informatika dan Sistem Informasi, 6(3), pp.541–548. https://doi.org/10.28932/jutisi.v6i3.3029.
KRISTIAWAN, K. and WIDJAJA, A., 2021. Perbandingan Algoritma Machine Learning dalam Menilai Sebuah Lokasi Toko Ritel. Jurnal Teknik Informatika dan Sistem Informasi, 7(1), pp.35–46. https://doi.org/10.28932/jutisi.v7i1.3182.
LESTARI, I.A., RAHAYU, A. and MULYANINGSIH, Y., 2022. Pertumbuhan dan Produksi Tanaman Selada (Lactuca Sativa L.) pada Berbagai Media Tanam Dan Konsentrasi Nutrisi Pada Sistem Hidroponik Nutrient Film Technique (Nft). Jurnal Agronida, 8(1), pp.31–39. https://doi.org/10.30997/jag.v8i1.5625.
MUJIYANTI, S.F., PATRIALOVA, S.N., FEBRIAN, M.F. and KARTIKA, M., 2021. Design and Implementation of Nutrition Control System for Optimization of Hydroponic Plant Growth. In: 2021 International Conference on Advanced Mechatronics, Intelligent Manufacture and Industrial Automation (ICAMIMIA). IEEE. pp.52–57. https://doi.org/10.1109/ICAMIMIA54022.2021.9807772.
PHASINAM, K., KASSANUK, T., SHINDE, P.P., THAKAR, C.M., SHARMA, D.K., MOHIDDIN, MD.K. and RAHMANI, A.W., 2022. Application of IoT and Cloud Computing in Automation of Agriculture Irrigation. Journal of Food Quality, 2022, pp.1–8. https://doi.org/10.1155/2022/8285969.
REN, L., LIU, Y., WANG, X., LU, J. and DEEN, M.J., 2021. Cloud–Edge-Based Lightweight Temporal Convolutional Networks for Remaining Useful Life Prediction in IIoT. IEEE Internet of Things Journal, 8(16), pp.12578–12587. https://doi.org/10.1109/JIOT.2020.3008170.
RIANTI, A., KUSMIADI, R. and APRIYADI, R., 2019. Respon Pertumbuhan Tanaman Pakcoy (Brassica rapa L) dengan Pemberian Teh Kompos Bulu Ayam pada Sistem Hidroponik. AGROSAINSTEK: Jurnal Ilmu dan Teknologi Pertanian, 3(2), pp.52–58. https://doi.org/10.33019/agrosainstek.v3i2.51.
SINGH, H., DUNN, B. and PAYTON, M., 2019. Hydroponic pH Modifiers affect Plant Growth and Nutrient Content in Leafy Greens. Journal of Horticultural Research, 27(1), pp.31–36. https://doi.org/10.2478/johr-2019-0004.
SUPARMADI, S. and RAMADHANI, A., 2022. Sistem Estimasi Pencapaian Target Profit Menggunakan Model Regresi Berbasis Machine Learning. Journal of Science and Social Research, 5(3), p.703. https://doi.org/10.54314/jssr.v5i3.1042.
SUTNGA, B., BAHADUR, V. and KERKETTA, A., 2021. Influence of Nutrient Concentration on Growth, Yield And Quality of Spinach (Spinacia oleracea L.) in Hydroponic System. International Journal of Plant & Soil Science, pp.36–42. https://doi.org/10.9734/ijpss/2021/v33i2430749
VERMA, M.S. and GAWADE, S.D., 2021. A machine learning approach for prediction system and analysis of nutrients uptake for better crop growth in the Hydroponics system. In: 2021 International Conference on Artificial Intelligence and Smart Systems (ICAIS). IEEE. pp.150–156. https://doi.org/10.1109/ICAIS50930.2021.9395956.
WAHYONO, T., 2018. Fundamental of Python for Machine Learning (Dasar-Dasar Pemrograman Python untuk Machine Learning dan Kecerdasan Buatan). Salatiga: Gava Media Yogyakarta.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
