Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Data Logger Cerdas Pada Pertanian Berbasis Metode Machine Learning Menggunakan Jaringan Sensor Nirkabel
Eka Yudhi Pratama (2020) | Tugas Akhir | Teknik Elektro
Bagikan
Ringkasan
Kelembapan media tanam adalah salah satu hal yang penting dalam perawatan tanaman. Kemampuan memprediksi kelembapan media tanam diperlukan sehingga penggunaan sensor dapat dikurangi. Tugas akhir ini membuat sistem yang dapat memprediksi kelembapan meida tanam berdasarkan kondisi lingkungan di dalam greenhouse. Kelembapan media tanam diprediksi berdasarkan data lingkungan pada greenhouse, yaitu suhu udara, kelembapan udara, intensitas cahaya, suhu permukaan tanah dan volume penyiraman. Data diambil oleh sensor node dan dikirim ke gateway. Pada gateway data diolah menggunakan metode multiple linear regression menjadi model dan digunakan untuk memprediksi kelembapan media tanam. Sistem ini memungkinkan pengguna melakukan pengambilan dataset, melakukan prediksi kelembapan media tanam dan melakukan monitoring kondisi greenhouse dengan via web browser. Alat dapat memanfaatkan machine learning untuk mengolah data pengukuran dari sensor node menjadi dataset dan membuat model. Setelah didapatkan dataset dari pembacaan sensor di grennhouse, data diolah dan menghasilkan model Y= -0.01668046(X1) -16.27025064(X2)-5.29793022(X3) + 0(X4) -0.1321465(X5)- 833.356253648, dimana y adalah kelembapan media tanam, dan X1 sampai X5 berturut-turut adalah durasi setelah penyiraman terakhir, suhu udara, kelembapan udara, intensitas cahaya, dan suhu media tanam. Machine learning telah diterapkan pada data logger dan mampu memprediksi kelembapan media tanam pada greenhouse. Berdasarkan model dan data yang diuji coba didapat grafik yang mampu mengikuti pola pembacaan sensor. Hasil test dari model menunjukan Mean Absolute Error sebesar 3.52, Mean Squared Error sebesar 25.92, dan R2 sebesar 0.1958. Untuk mendapatkan model yang lebih baik dibutuhkan dataset yang lebih banyak dengan rentang waktu yang lebih lama.
Ringkasan Alternatif
This final project describes the application of Machine learning to predict the moisture of the growing media. Prediction of growing media moisture is needed to reduce the number of the applied sensor. The system is tested in a greenhouse environment which provided with sensors, namely air temperature, humidity, light intensity, media temperature, media moisture and elapsed time from the last watering. Hence, this system is able to gather environmental data using data logger and based on the data the model of media moisture is created. Environmental data is measured by the sensor node and sent to the gateway. At the gateway, the data is trained by using multiple linear regression method in order to create a media moisture prediction model. This system allows users to retrieve datasets, predict growing media moisture and monitor the condition of the greenhouse via a web browser. Based on the data, the resulted model is Y= -0.01668046(X1) -16.27025064(X2) -5.29793022(X3) +0(X4) -0.1321465(X5)- 833.356253648, where y is the media moisture, and X1 to X5 are the duration after the last watering, air temperature, humidity, light intensity, and the growing media temperature respectively. The resulted graph showed that the prediction result was able to mimic the pattern of real data. The test results from the model show Mean Absolute Error of 3.52, Mean Squared Error of 25.92, and R2 of 0.1958. To get a better model requires more datasets with a longer period.