Sistem Pendukung Keputusan Penyiraman Tanaman Cabai Dengan Memanfaatkan Kecerdasan Buatan Menggunakan Algoritma Lstm
DOI:
https://doi.org/10.34818/eoe.v7i2.12418Abstract
Dalam dunia pertanian teknologi yang diciptakan bertujuan untuk mempermudah masyarakat khususnya para petani agar hasil pertanian yang didapatkan lebih efektif dari sebelumnya ketika teknologi tersebut belum diciptakan. Suatu sistem yang dibuat pada penelitian ini berupa sistem yang memanfaatkan kecerdasan buatan yang mampu memberi keputusan kebutuhan penyiraman tanaman cabai dengan menggunakan metode Long Short Term Memory (LSTM). Sistem yang akan dibangun diharapkan dapat memberikan keluaran berupa keputusan penyiraman untuk tanaman cabai dengan akurasi yang baik. Kata Kunci: Smart Farming, artificial intelligence, Long Short Term Memory (LSTM). Abstract In the world of agriculture the technology created aims to make it easier for the community, especially farmers, so that the agricultural products obtained are more effective than before when the technology was not yet created. A system created in this study is a system that utilizes artificial intelligence that is able to provide watering needs for chili plants by using the Long Short Term Memory (LSTM) method. The system to be built is expected to provide output in the form of watering decisions for chilli plants with good accuracy. Keywords: Smart Farming, artificial intelligence, Long Short Term Memory (LSTM).Downloads
References
[1] mediatani.co, “Teknologi Pertanian Terbaru Tahun 2018 Di Indonesia,” pioneer.com, 2018. [Online]. Available: https://www.pioneer.com/web/site/indonesia/Berita-Umum/Teknologi-Pertanian-Terbaru-Tahun-2018-Di-Indonesia. [Diakses 17 November 2019].
[2] I. Subakti, Sistem Pendukung Keputusan (Decision Support System), Surabaya: ITS, 2002.
[3] M. Wiji Setiyaningsih, Konsep Pendukung Keputusan, Kab. Malang: Yayasan Edelweis, 2015.
[4] S. Entot, “Mengenal Teknologi Informasi 2011,” 2011. [Online]. Available: http://tobby.synthasite.com/resources/Kecerdasan_Buatan.pdf. [Diakses 26 September 2019].
[5] B. I. C. S. B. P. Putra, “Deteksi Ujaran Kebencian Dengan Menggunakan Algoritma Convolutional Neural Network Pada Gambar Hatespeech Detection Using Convolutional Neural Network Algorithm Based,” Vol. %1 dari %2vol. 5, no. 2, pp. 2395–2402, 2018.
[6] P. S. W. W. A. H. S. W. R. M.R.S.Muthusinghe, “Towards Smart Farming: Accurate Prediction of Paddy Harvest and Rice Demand,” IEEE, 2018.
[7] J. N. C. Y. F. Y. M. C. S. A. C. A. M. A. H. B. H. T. W. a. S. T. Ng, Deep Learning Tutorial, California: Univ. Stanford, 2015.
[8] E. C. S. Gultom, Peramalan Curah Hujan Bulanan Di Kota Medan Dengan Metode Box-Jenkins, Medan, 2009.
[9] A. B. Santoso, “Pembuatan Otomasi Pengaturan Kereta Api, Pengereman, dan Palang Pintu pada Rel Kereta Api Mainan Berbasis Mikrokontroler,” FEMA, Vol. %1 dari %2vol. 1, no. 1, 2013.
[10] A. S. B. Cahya Edi Santosa, Rancang bangun sensor suhu tanah dan kelembaban udara, 2009.
[11] N. H. Ritonga, APLIKASI MOBILE PENGENDALI PERANGKAT SMART AQUARIUM UNTUK SCLEROPAGES FORMOSUS BERBASIS INTERNET OF THINGS, Bandung, 2016.
[12] M. R. Kurniawan, Pengontrolan buka tutup atap dan blower otomatis untuk jemuran menggunakan mikrokontroler arduino uno berbasis android, Tangerang, 2015.
[13] D. D. Service, “ANTARES | Reliable IoT Platform,” PT Telekomunikasi Indonesia, April 2017. [Online]. Available: https://www.antares.id/docs.html. [Diakses 14 Januari 2018].
[14] A. SUBEKTI, PENGELOLAAN KAS DAERAH UNTUK MENDUKUNG PENINGKATAN PENDAPATAN ASLI DAERAH PADA PEMERINTAH KABUPATEN PEKALONGAN, Jakarta: FE. UI, 2010.



