Detail Laporan TA : SOFYAN MAULANA

SOFYAN MAULANA (2017) PENERAPAN ARTIFICIAL NEURAL NETWORK PADA PRECISION AGRICULTURE UNTUK MEMPREDIKSI KLASIFIKASI LEVEL KEBUTUHAN AIR TANAMAN Tugas Akhir, Teknik Informatika
Politeknik Negeri Indramayu.

Text LAPORAN BAB 1 ( Download )

Sedikitnya jumlah petani yang bisa datang dan merawat secara langsung tanaman yang dikelolanya membuat pertumbuhan ekonomi di bidang pertanian semakin melemah, jauhnya lahan tanam, banyaknya kesibukan, hingga cuaca yangterkadang tidak mendukung merupakan beberapa alasan petani jarang merawat secara langsung lahan tanamnya, sehingga banyak petani yang gagal pada saat panen dikarenakan kurangnya perawatan pada tanaman. Precision Agriculture(PA) atau pertanian presisi adalah konsep manajemen pertanian berdasarkan pengamatan, pengukuran, dan respons terhadap variabilitas antar dan antarbidang pada tanaman. PA sendiri dimaksudkan untuk mempermudah dalam perawatan tanaman dan memaksimalkan hasil panen. Dengan permasalahan tersebut, adanya automasi agriculture dapat membantu petani mendapatkan hasil panen yang efektif dan efisien dengan menerapkan sistem PA yang dapat memantau lahan tanam secara jarak jauh dengan mengambil data lingkungan sekitar lahan tanam dari sensor kelembapan tanah, suhu udara, dan kelembapan udara secara terjadwal di lingkungan lahan tanam yang kemudian data tersebut dikirimkan ke server. Server sendiri bertugas mengelola dan menampilkan data menggunakan machine learning dan web service. Proses prediksi level air ini menggunakan algoritma Artificial Neural Network (ANN). Untuk membuat ANN mampu memprediksi, dibutuhkan dataset untuk melatih (training) sistem, dataset kemudian diklasifikasikan dengan menggunakan metode fuzzy, lalu hasil klasifikasi ini akan diperkecil agar membuat dataset tidak terlalu abstrak. ANN ini dapat memprediksi level air yang harus dikeluarkan berdasarkan parameter data dari sensor yang telah terpasang di lahan tanam. Data yang telah diolah oleh machine learning akan menghasilkan umpan balik berupa data berisi kebutuhan level air sebesar 93%. data ini akan dikirimkan kembali ke Microcontoller Arduino yang akan melakukan aksi berupa penyemprotan air dengan takaran level sesuai dari data yang diperoleh. Kata kunci : Artificial Neural Network, Precision Agriculture, Machine Learning