Text

Pembuatan Dashboard Monitoring Greenhouse Hidroponik berbasis IoT dan Cloud Computing dengan Model Prediksi Machine Learning

---

Greenhouse merupakan metode budidaya yang mampu menciptakan lingkungan tumbuh tanaman secara terkendali. Namun, pemantauan kondisi lingkungan greenhouse pada umumnya masih dilakukan secara manual sehingga proses tersebut dinilai kurang efisien dan dapat menyebabkan keterlambatan dalam menentukan tindakan yang diperlukan. Penelitian ini bertujuan untuk mengembangkan dashboard monitoring greenhouse berbasis Internet of Things (IoT) dan cloud computing yang terintegrasi dengan model prediksi machine learning guna melakukan pemantauan kondisi lingkungan secara real-time. Sistem tersebut diterapkan pada greenhouse hidroponik yang digunakan untuk budidaya selada keriting merah (Lactuca sativa var. Lollo Rossa). Sistem ini dikembangkan dengan memanfaatkan React.js pada sisi frontend, FastAPI sebagai backend, serta Supabase yang digunakan sebagai layanan cloud computing. Data diperoleh dari sensor DHT22, BH1750, SEN-0244, 4502C, dan DS18B20. Model prediksi menggunakan Patch Time Series Transformer (PatchTST), Sementara itu, pengujian sistem mencakup pengujian akurasi sensor dan model prediksi, Black Box Testing, serta evaluasi tingkat kegunaan sistem menggunakan System Usability Scale (SUS). Hasil penelitian menunjukkan bahwa dashboard yang dikembangkan mampu menyajikan data sensor secara real-time, riwayat data, hasil prediksi dan rekomendasi, konfigurasi threshold, serta informasi status aktuator. Proses kalibrasi berhasil mengurangi penyimpangan pembacaan seluruh sensor yang ditunjukkan dengan penurunan MAE, MSE, dan RMSE, seperti nilai MAE sensor temperatur greenhouse yang menurun dari 1,9231 menjadi 0,4408. Pengujian model PatchTST pada konfigurasi data split 80:20 dengan horizon prediksi 720 timestep menghasilkan mean accuracy sebesar 69,48% untuk klasifikasi cuaca (weather). Evaluasi MAE, MSE, dan RMSE menunjukkan bahwa parameter light intensity memiliki tingkat kesalahan paling rendah, sedangkan precipitation memiliki tingkat kesalahan paling tinggi. Hasil Black Box Testing menunjukkan tingkat keberhasilan sebesar 100%. Sementara itu, hasil evaluasi menggunakan System Usability Scale (SUS) memperoleh skor sebesar 73,25, yang mengindikasikan bahwa dashboard memiliki tingkat kegunaan yang baik serta dapat diterima oleh pengguna.

Kata kunci: Greenhouse Hidroponik, Internet of Things, Cloud Computing. Dashboard Monitoring, PatchTST

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

TA-2260075.1

Penerbit

Bandung : Polman., 2026

Deskripsi Fisik

157 hal. ; 27,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

D4 Teknologi Rekayasa Manufaktur

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar