Pemantauan Dan Pengontrolan Sistem Pemupukan Budidaya Tanaman Tomat Menggunakan Convolutional Neural Network

Abstrak

ABSTRAK Pemupukan merupakan salah satu hal yang dapat membantu peningkatan produksi dan mutu untuk tanaman. Akan tetapi, pemupukan di Indonesia bisa dikatakan belum efektif. Akibatnya, banyak masalah yang dapat ditimbulkan. Beberapa pengaruh negatif dari pemupukan yang tidak efektif adalah tanah menjadi rusak, menurunnya kualitas tanaman, maupun pencemaran lingkungan. Untuk menyelesaikan masalah tersebut dibutuhkan sistem yang dapat menerapkan pemupukan yang efektif. Pada penelitian tugas akhir ini dirancang sebuah sistem untuk memantau dan mengontrol pemupukan yang akan diterapkan pada tanaman tomat. Daun pada tanaman dijadikan sebagai parameter kebutuhan pupuk tanaman. Gambar daun akan diambil menggunakan kamera dan akan diolah dengan pengolahan citra. Dengan melihat warna daun dapat dideteksi kekurangan unsur hara pada tanaman. Penerapan pupuk yang dibutuhkan oleh tanaman dapat menghemat konsumsi pupuk tanpa mengurangi kualitas produksi. Dari hasil percobaan dan implementasi alat yang dibuat, tugas akhir ini mampu mengklasifikasi dan memberikan pupuk pada tanaman. Persentase akurasi deteksi warna daun untuk mengetahui kebutuhan pupuk tanaman adalah sebesar 87%. Kata Kunci : sistem kontrol, pemupukan budidaya tomat, pengolahan citra ABSTRACT Fertilization is one thing that can help to increase production and quality for plants. However, fertilization in Indonesia can be said to be ineffective. As a result, many problems can be caused. Some of the negative effects of ineffective fertilization are soil damage, decreased quality of plants, and environmental pollution. To solve these problems, a system that can apply effective fertilization is needed. In this final project research, a system is designed to monitor and control fertilization which will be applied to tomato plants. Leaves on plants are used as parameters of soil fertility. Leaf images will be taken using a camera and will be processed by image processing. By looking at the color of the leaves, nutrient deficiencies in plants can be detected. The application of fertilizers needed by plants can save fertilizer consumption without reducing production quality. From the results of the experiment and the implementation of the tools made, this final project is able to classify and provide fertilizer to plants. The percentage of accuracy of leaf color detection to determine the need for plant fertilizer is 87%. Keywords: control system, tomato cultivation fertilization, image processing