Kurnyadi, Kusnyadi (2025) ANALISIS DAN MONITORING TANAMAN PAKCOY PADA SMART GREEN HOUSE UNINUS DENGAN MACHINE LEARNING. S1 thesis, Universitas Islam Nusantara.

	Text (Skripsi Tugas Akhir - Kusnayadi) Kusnayadi_41037002211025.pdf - Published Version Download (1MB)
	Text view_usp=drive_link - Published Version Download (72kB)

Abstract

Kemajuan teknologi Internet of Things (IoT) dan Machine Learning telah membuka peluang besar dalam meningkatkan efisiensi dan efektivitas di bidang pertanian, salah satunya melalui penerapan sistem Smart Green House. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring dan klasifikasi kondisi tanaman Pakcoy (Brassica rapa L.) berbasis IoT dan algoritma Machine Learning di Smart Green House Universitas Islam Nusantara. Sistem ini mengintegrasikan berbagai sensor seperti SHT30, BH1750, DHT22, serta sensor CO2 untuk memantau parameter lingkungan, seperti suhu, kelembapan, intensitas cahaya, suhu panel box, dan kadar CO2 secara real-time. Data hasil monitoring digunakan sebagai input untuk proses klasifikasi kondisi tanaman dengan menerapkan lima metode Machine Learning, yaitu Support Vector Machine (SVM), Random Forest, Decision Tree, Logistic Regression, dan Multi Layer Perceptron (MLP). Hasil penelitian menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan nilai akurasi sebesar 84%, precision 86%, recall 87%, dan F1-score 86%. Sistem ini tidak hanya mampu memantau kondisi lingkungan secara otomatis, tetapi juga dapat memprediksi kondisi tanaman secara cerdas, sehingga diharapkan dapat meningkatkan kualitas dan kuantitas hasil panen Pakcoy. Penerapan sistem ini juga menjadi upaya konkret untuk mendorong efisiensi, keberlanjutan, dan modernisasi pertanian hidroponik di Indonesia.

Actions (login required)

View Item