Pengembangan Model Cerdas Monitoring Tanaman dan Rekomendasi Pemupukan Presisi Berbasis IoT dan Machine Learning di Kabupaten Cirebon
Main Article Content
Pertanian presisi menuntut kestabilan larutan nutrisi untuk mendukung pertumbuhan optimal hidroponik. Penelitian ini mengembangkan sistem IoT cerdas untuk monitoring dan pengendalian otomatis pH–TDS serta rekomendasi pemupukan cair pada pakcoy (Brassica rapa L.) di Greenhouse Kamarang–Tandang, Cirebon. Penelitian ini bertujuan mengembangkan sistem cerdas berbasis IoT dan Machine Learning (ML) untuk monitoring dan kontrol otomatis parameter nutrisi serta memberikan rekomendasi pemupukan presisi. Metode yang digunakan adalah quasi-eksperimental dengan membandingkan kontrol Manual, Ambang, Fuzzy-only, dan Hybrid Fuzzy-ML. Sistem memadukan sensor pH, TDS/EC, suhu–kelembapan dan ESP32 yang mengendalikan pompa peristaltik (AB-mix, pH-up, pH-down). Kendali fuzzy menerapkan strategi pH-first ? jeda homogenisasi ? TDS dengan micro-dosing bertahap, sementara Machine Learning (Ridge/Random Forest/XGBoost) berfungsi sebagai look-ahead untuk memprediksi drift 30–60 menit ke depan dan menyarankan koreksi kecil di bawah guardrail keselamatan. Telemetri harian (pH, TDS, suhu air/udara, RH, aksi pompa) digunakan untuk evaluasi proses dan pelatihan model walk-forward. Sistem berhasil menjaga pH mendekati target (?6,0) dan TDS dalam rentang 800–1200 ppm dengan osilasi lebih rendah serta respons pascakoreksi lebih halus dibanding operasi manual. Model Ridge menurunkan kesalahan prediksi TDS dari ±127 ppm menjadi ±28 ppm, dan Random Forest memperbaiki kesalahan pH dari ±0,95 menjadi ±0,87 unit, memungkinkan penjadwalan koreksi dini dan kecil. Secara agronomis, stabilitas kimia ini selaras dengan peningkatan konsistensi tinggi dan jumlah daun selama fase vegetatif. Kontribusi utama riset adalah hibridisasi fuzzy–ML yang tetap aman (audit log, rollback), mudah direplikasi ke komoditas lain melalui penyesuaian set-point, parameter kimia, dan retraining model. Temuan ini menegaskan potensi implementasi pertanian presisi berbasis IoT–AI pada skala greenhouse lokal dan menjadi dasar pengembangan uji A/B serta ekspansi ke lahan terbuka yang kompatibel.
Bharti, N. K., Dongargaonkar, M. D., Kudkar, I. B., Das, S., & Kenia, M. (2020). Hydroponics system for soilless farming integrated with Android app via IoT & MQTT. In IEEE PuneCon 2019 (pp. 1–5). IEEE.
Ciptadi, P. W., & Hardyanto, R. H. (2018). Penerapan IoT pada tanaman hidroponik menggunakan Arduino dan Blynk Android. Jurnal Dinamika Informatika, 7(2), 29–40.
Djazuli, R. A., & Hidayat, S. I. (2024). Manajemen Agribisnis Modern. In UMG Press. Umg Press.
Elsokah, M., & Sakah, M. (2019). Next-generation smart aquaponics with IoT solutions. In 19th International Conference on Sciences and Techniques of Automatic Control and Computer Engineering (STA) (pp. 106–111). IEEE.
Ezzahoui, I., Abdelouahid, R. A., Taji, K., & Marza, A. (2021). Hydroponic vs aquaponic farming: A comparative study using IoT. Procedia Computer Science, 191, 499–504.
Farooq, M. S., Riaz, S., Helou, M. A., Khan, F. S., Abid, A., & Alvi, A. (2022). Internet of things in greenhouse agriculture: a survey on enabling technologies, applications, and protocols. IEEE Access, 10, 53374–53397.
Febriana, J. (2020). Sistem kontrol dan monitoring nutrisi tanaman hidroponik NFT menggunakan logika fuzzy (Skripsi). UIN Maulana Malik Ibrahim, Malang.
Fuadi, S. S., & Maghfoer, M. D. (2024). Respon pertumbuhan dan hasil pakcoy sistem rakit apung pada kombinasi AB mix dan biourine kambing. Jurnal Produksi Tanaman, 12(10), 464–471.
Gaikwad, D. J., & Maitra, S. (2020). Hydroponics cultivation of crops. In S. Maitra (Ed.), Protected cultivation and smart agriculture (pp. 279–287). New Delhi Publishers.
Gregoryan, M. (2019). Sistem kontrol dan monitoring pH air dan kepekatan nutrisi pada hidroponik DFT. Jurnal Infra, 7(2), 1–6.
Harikrishna, R. B., Suraj, R., Paramasiva, R. N., Austin, A., & Pandiaraj, S. (2021). Greenhouse automation using IoT in hydroponics. In Proceedings of the 3rd International Conference on Signal Processing and Communication (ICSPC) (pp. 397–401). IEEE.
Hartono, R., & Malik, A. (2021). Sistem otomatis pembuatan nutrisi ideal pakcoy menggunakan kendali logika fuzzy. Telekontran, 9(2), 154–161.
Ibadarrohman, F., Salahuddin, N. S., & Kowanda, A. (2018). Sistem kontrol dan monitoring hidroponik berbasis Android. Konferensi Nasional Sistem Informasi (KNSI), 1–6.
Jaiswal, H., Siguluri, R., & Sampson, S. A. (2019). IoT and machine learning approach for automated greenhouses. In 2019 IEEE Bombay Section Signature Conference (IBSSC) (pp. 1–6). IEEE.
Keerthana, S. (2018). Automating and analyzing greenhouse hydroponic farms using IoT. International Journal for Research in Applied Science & Engineering Technology, 6(3), 3325–3329.
Komninos, A., Georgiadis, G., & Koskeris, A. (2020). IoT applications for monitoring hydroponics through WSN. Information, Intelligence, Systems and Applications, 1(1), 1–5.
Modu, F., Adam, S., Aliyu, F. M., & Mabu, A. (2020). A survey of smart hydroponic systems. Advances in Science, Technology and Engineering Systems Journal, 5(1), 233–248.
Priya, O. V., & Sudha, R. (2021). Impact of IoT in smart agriculture. IOS Press.
Ray, P. P. (2017). Internet of things for smart agriculture: Technologies, practices and future direction. Journal of Ambient Intelligence and Smart Environments, 9(4), 395–420.
Ringler, C., Agbonlahor, M., Barron, J., Baye, K., Meenakshi, J. V, Mekonnen, D. K., & Uhlenbrook, S. (2022). The role of water in transforming food systems. Global Food Security, 33, 100639.
Rizal, S. (2017). Pengaruh nutrisi terhadap pertumbuhan sawi pakcoy hidroponik. Sainmatika, 14(1), 38–44.
Tando, E. (2019). Pemanfaatan greenhouse dan hidroponik sebagai solusi perubahan iklim pada hortikultura. Buana Sains, 19(1), 91–102.
Wibowo, S., & Asriyanti, A. (2013). Aplikasi hidroponik NFT pada budidaya pakcoy. Jurnal Penelitian Pertanian Terapan, 13(3), 159–167.
