Prediksi Pertumbuhan Kangkung Hidroponik Dengan Smart Farming Menggunakan Metode Supervised Learning

Abstract

Abstrak—Metode penanaman tumbuhan kangkung secara hidroponik sangat efektif dilakukan pada lahan padat penduduk seperti perkotaan. Pada kangkung hidroponik membutuhkan nutrisi yang ditambahkan pada air. Pemberian nutrisi jika dilakukan secara berlebih akan menyebabkan tumbuhan kangkung menjadi jenuh dan akhirnya mati. Sonic Bloom dilakukan pada penelitian ini untuk mengurangi pemberian nutrisi yang berlebih. Pada percobaan Sonic Bloom yang digunakan adalah musik bergenre Dangdut, Jazz, Murottal, dan Tanpa Musik. Kemudian pertumuhan di monitoring menggunakan sensor suhu, suhu air, kamera yang dibuat dengan sistem Internet of Things. Data dari sensor kemudian dikumpukan menjadi dataset untuk digunakan prediksi pertumbuhannya. Pertumbuhan Kangkung hidroponik dengan perlakuan Sonic Bloom kemudian di prediksi menggunakan model Machine Learning. Model dibuat dengan menggunakan algoritma Decision Tree, Random Forest, dan K—Nearest Neighbour. Dan didapatkan hasil pengujian model terbaik yaitu Random Forest pada rasio splitting 40% data tes dan 60% data training dengan nilai akurasi, presisi, recall, dan f1-score 99% dengan waktu komputasi 1,4 detik.
Kata kunci— Kangkung Hidroponik, Sonic Bloom, Machine Learning, Smart Farming.