Kurnia, Ahmad, Ahmad Kurnia (2025) DETEKSI ANOMALI PADA SISTEM SMART AEROPONIK MENGGUNAKAN ALGORITMA ISOLATION FOREST: STUDI KASUS SENSOR IOT. S1 thesis, Universitas Islam Nusantara.

	Text (Skripsi Tugas Akhir - Ahmad Kurnia) Ahmad Kurnia_41037002211024.pdf - Published Version Download (6MB)
	Text (Skripsi Tugas Akhir - Ahmad Kurnia) view_usp=drive_link - Published Version Download (72kB)

Abstract

Pertanian urban dengan sistem aeroponik berbasis Internet of Things (IoT) membutuhkan pemantauan kondisi lingkungan yang akurat untuk mendukung pertumbuhan tanaman yang optimal. Namun, data sensor yang dikumpulkan sering mengandung anomali akibat kesalahan pengukuran atau gangguan sistem, yang dapat mengganggu pengambilan keputusan. Penelitian ini mengembangkan sistem deteksi anomali pada data sensor IoT dalam sistem smart aeroponik menggunakan algoritma Isolation Forest. Metode ini mampu mengisolasi data yang menyimpang secara efisien tanpa memerlukan data berlabel. Data yang diproses meliputi suhu, kelembaban, pH, dan konsentrasi nutrisi tanaman. Proses dimulai dari pengumpulan data historis sensor, pra-pemrosesan dengan pembersihan dan normalisasi, hingga pelatihan model Isolation Forest untuk mendeteksi anomali. Hasil evaluasi menunjukkan model memiliki precision sebesar 62% dalam mengidentifikasi data normal, namun recall untuk anomali masih rendah pada 15%, menandakan perlunya peningkatan sensitivitas model terhadap anomali yang jarang muncul. Sistem prototipe berhasil diintegrasikan ke platform web berbasis FastAPI dan Streamlit, memungkinkan pemantauan real-time dengan visualisasi interaktif dan pembaruan data setiap tiga detik. Penelitian ini memberikan kontribusi praktis bagi pertanian urban dengan menyediakan sistem otomatis yang meningkatkan keandalan monitoring lingkungan aeroponik serta potensi pengembangan model deteksi anomali yang lebih akurat.

Actions (login required)

View Item