View of PENGENDALIAN NUTRISI TANAMAN HIDROPONIK MENGGUNAKAN REGRESI LINER BERGANDA DI INTERNET OF THINGS

(1)

150 Jurnal Teknik Informatika dan Sistem Informasi ISSN 2407-4322 Vol. 10, No. 2, Juni 2023, Hal. 150-159 E-ISSN 2503-2933

th

Pengendalian Nutrisi Tanaman Hidroponik Menggunakan Regresi Liner Berganda Di Internet Of Things

Agni Isador Harsapranata^*1, Evi Maria², Suryasatriya Trihandaru³ , Sri Yulianto Joko Prasetyoa⁴ , Sutarto Wijono⁵

1Universitas Bina Sarana Informatika, Jakarta, tlp. (021) 23231170, Fax. (021) 21236158

2,3,4,5

Universitas Kristen Satya Wacana, Salatiga e-mail: *agniisador@gmail.com

Abstrak

Tanaman membutuhkan air didalam menunjang pertumbuhannya. Air dan nutrisi yang terkandung didalam nya berperan vital dalam bidang pertanian yang menggunakan teknologi hidroponik. Kendali perkiraan nutrisi yang harus diberikan ke sistem hidroponik memerlukan ketepatan. Oleh sebab itu, penulis melakukan penelitian untuk melakukan kontrol pemberian nutrisi ke tanaman hidoponik menggunakan Internet of Things, dengan sistem peramalan regresi linier, di pengukuran peramalan menggunakan regresi linier penulis mendapatkan data Ph cairan nutrisi, Ketinggian cairan nutrisi, Ppm nutrisi terlarut dalam nutrisi dari sensor yang diletakan dalam sistem tanaman hidroponik. Penulis melakukan penelitian menggunakan tanaman paprika, sebanyak 5 unit dan dilakukan pengamatan selama 24 hari. Sensor akan melakukan penarikan data setiap 4 hari dan dikirimkan ke server Internet of Things.

Berdasarkan formula peramalan yang di didapatkan dari regresi linier, sistem pemberian nutrisi dapat diberikan secara otomatis oleh Internet Of Things.

Kata kunci regresi linier, internet of things, hidroponik

Abstract

Plants need water to support their growth. Water and the nutrients it contains play a vital role in agriculture using hydroponic technology. The approximate control of nutrients that must be fed to a hydroponic system requires precision. Therefore, the authors conducted research to control the provision of nutrients to hydroponic plants using the Internet of Things, with a linear regression forecasting system, in forecasting measurements using linear regression the authors obtained data on nutrient fluid Ph, nutrient liquid level, Ppm nutrients dissolved in nutrients from sensors placed in a hydroponic plant system. The author conducted research using paprika plants, as many as 5 units and observed for 24 days. The sensor will retrieve data every 4 days and send it to the Internet of Things server. Based on the forecasting formula obtained from linear regression, the nutrition delivery system can be provided automatically by the Internet of Things.

Keywords regresi linier, internet of things, hidroponik

1. PENDAHULUAN

Industri pertanian saat ini sudah sedemikian penting, dapat dilihat dari semakin tingi permintaan berbagai macam budidaya dibidang pertanian, dan kebutuhan sumber daya hasil pertanian yang dimanfaatkan dalam kehidupan manusia[1][2]. Dalam pertanian membutuhkan

(2)

Jatisi ISSN 2407-4322

Vol. 10, No. 2, Juni 2023, Hal. 150-159 E- ISSN 2503-2933 151

lahan, tetapi untuk saat ini wilayah lahan yang dipergunakan untuk pertanian semakin menyemput [3]. Peruntukan tanah yang tadinya dipergunakan untuk lahan pertanian digeser peruntukannya bukan lagi untuk pertanian [3].Salah satu teknologi yang dapat diterapkan dalam menunjang pertanian dengan lahan yang terbatas adalah menggunakan teknologi hidroponik[4]. Teknologi Hidroponik memanfaatkan penggunaan air bernutrisi untuk mencukupi unsur hara yang dibutuhkan untuk pertumbuhan tanaman. Air bernutrisi akan dialirkan secara terus menerus di saluran pipa yang berisi akar tanaman. Selain teknologi tersebut, digunakan juga teknologi aeroponik, teknologi aeroponik adalah pengembangan dari hidroponik dengan melakukan penyemprotan udara bercampur dengan nutrisi, dapat diistilahkan pengkabutan, yang disemprotkan dengan tujuan membasahi akar tanaman, proses pengkabutan akan dilakukan secara berkala, sehingga menjamin akar tanaman dapat memperoleh unsur hara dan air secara terus menerus[5][6].

Penerapan teknologi dalam bidang pertanian untuk saat ini sudah tidak dapat dihindari lagi, dalam pengembangan tanaman dengan lahan yang terbatas, digunakan teknologi hidroponik dengan kendali pertumbuhan menggunakan Internet of things [7][8]. Selain menggunakan berbagai macam sensor dalam pengemdalian, dimanfaatkan juga media radio wireless dalam melakukan monitor lahan pertanian, termasuk didalamnya adalah kontrol terhadap sistem irigasi tanaman[9][10]. Kontrol Iot terhadap pertumbuhan tanaman, dimanfaatkan juga teknologi kecerdasan buatan dalam kontrol pertumbuhan tanaman [11][12][13][14].

Dalam penelitian ini, penulis menggunakan pendekatan regresi linier berganda, dimana dalam perhitungan peramalan, melibatkan data ketinggian penampungan nutrisi, ph nutrisi, dan nutrisi terlarut. Ketiga bagian tersebut menjadi dasar dalam peramalan pemberian cairan nutrisi ke dalam sistem pertumuhan hidroponik tanaman. Peramalan pemberian nutrisi di sistem hidroponik ini bermanfaat apabila digabungkan dengan teknologi Internet of things, dengan teknologi tersebut, formula yang digunakan dalam peramalan dijalankan secara otomatis oleh Internet of Things. Teknologi permalan menggunakan regresi linier berganda, dimanfaatkan juga untuk melakukan perhitungan ramalan produksi padi di suatu wilayah tertentu[15], perhitungan peramalan penjualan properti di suatu wilayah[16].

2. METODE PENELITIAN

Dalam bagian metodologi ini, penulis menjelaskan tahapan tahapan yang dilewati, seperti di gambar 1, Untuk penelitian ini.

(3)

152 Jatisi ISSN 2407-4322 Vol. 10, No. 2, Juni 2023, Hal. 150-159 E-ISSN 2503-2933

Agni, et., al [Pengendalian Nutrisi Tanaman Hidroponik Menggunakan Regresi Liner Berganda di Internet of Things]

Gambar 1. Metodologi Penelitian

2.1. Pengumpulan data Ph, Ketinggian cairan nutrisi di bak penampung, dan PPM kandungan nutrisi di dalam cairan. Di tahap ini penulis mengumpulkan data berdasarkan keluaran dari data sensor yang di letakkan di media tanaman hidroponik. Prose pengumpulan dari dilakukan setiap 4 hari, selamat 56 hari.

2.2. Perhitungan Regresi linier berganda. Di tahap ini penulis melakukan perhitungan peramalan berdasarkan 3 variabel yaitu data Ph, Ketinggian cairan nutrisi di bak penampung, dan PPM kandungan nutrisi di dalam cairan.

2.3. Setelah perumusan Regresi linier berganda ditemukan, dapan dilanjutkan dengan melakukan perhitungan peramalan pemberian nutrisi di masa yang akan datang.

2.4. Melakukan perbandingan penghitungan dari data sebenarnya dengan data peramalan, atau disebut juga perhitungan RMSE (Root Mean Square Error)[17].

(4)

Jatisi ISSN 2407-4322

Vol. 10, No. 2, Juni 2023, Hal. 150-159 E- ISSN 2503-2933 153

Gambar 2. Tanaman Paprika Dengan Teknologi Hidroponik

(5)

154 Jatisi ISSN 2407-4322 Vol. 10, No. 2, Juni 2023, Hal. 150-159 E-ISSN 2503-2933

Gambar 3. Flowchart Pemberian Nuitrisi Menggunakan Iot.

(6)

Jatisi ISSN 2407-4322

Vol. 10, No. 2, Juni 2023, Hal. 150-159 E- ISSN 2503-2933 155

Setelah mengikuti metodologi dalam perhitungan peramalan pemberian nutrisi, selanjutnya adalah metodologi Iot dalam pemberian nutrisi seperti terlihat di gambar 3.

3. HASIL DAN PEMBAHASAN

Di bagian ini akan ditampilkan hasil dari setiap langkah di bagian metodologi, yaitu :

3.1. Pengumpulan data, data yang dikumpulkan dapat di lihat di tabel 1. Desain tanaman paprika menggunakan teknologi hidroponik dapat dilihat di gambar 2.

Tabel 1. Data Hasil Pembacaan Sensor Ph, Ketinggian Cairan Nutrisi di Penampungan, dan PPM Nutrisi.

Hari Tinggi PPM PH Nutrisi

1 17.6 1612 5.6 525

4 18.4 1708 5.54 430

8 17.4 1616 5.6 530

12 18.4 1702 5.54 425

16 16 1509 5.7 630

20 18.6 1711 5.54 445

24 17.7 1607 5.5 540

28 18.4 1616 5.7 430

32 19.3 1700 5.5 330

36 19.2 1714 5.7 340

40 19.9 1613 5.8 300

44 19.4 1612 5.8 335

48 20.1 1512 6.2 230

52 19.65 1512 6 350

56 19.45 1513 6.3 355

3.2. Perhitungan Regresi linier berganda, dapat dilihat di gambar 4, merupakan hubungan dari penambahan cairan nutrisi dan ketinggian cairan nutrisi di bak penampung, dapat di jelaskan bahwa semakin rendah ketinggian cairan nutrisi, semakin banyak penambahan cairan nutrisi nutrisi.

(7)

156 Jatisi ISSN 2407-4322 Vol. 10, No. 2, Juni 2023, Hal. 150-159 E-ISSN 2503-2933

Gambar 4. Hubungan Penambahan Nutrisi dan Ketinggian Cairan Nutrisi di Bak Penampung.

Terlihat di gambar 5, meupakan hubungan antara penambahan nutrisi dan PPM cairan nutrisi, dapat dijelaskan bahwa semakin rendah PPM cairan nutrisi di bak penampungan, semakin banyak cairan nutrisi yang ditambahkan.

Gambar 5. Hubungan Penambahan Nutrisi dan PPM Cairan Nutrisi.

Dapat dijelaskan pula oleh gambar 6. Merupakan hubungan antara penambahan nutrisi dan Ph cairan nutrisi, dapat dijelaskan bahwa Ph cairan nutrisi di bak penampungan akan semakin bertambah, seiring dengan penambahan cairan nutrisi.

(8)

Jatisi ISSN 2407-4322

Vol. 10, No. 2, Juni 2023, Hal. 150-159 E- ISSN 2503-2933 157

Gambar 6. Hubungan Penambahan Nutrisi dan Ph Cairan Nutrisi.

Dalam pengolahan data peramalan regresi linier berganda, digunakan rumus seperti formula 1.

⋯ (1)

Setelah dilakukan perhitungan, dengan adalah nilai peramalan banyaknya nutrisi yang dibutuhkan, adalah konstanta, adalah koefisien model regresi, X1 adalah ketinggian cairan nutrisi di bak penampungan, X2 adalah kandungan nutrisi dalam bak penampungan dalam PPM,dan X3 adalah Ph cairan nutrisi, didapatkan formula 2.

3497.8266 74.7942 0.3671 192.2857 (2)

3.3. Dengan menggunakan formula 2, dapat dilakukan peramalan pemberiaan nutrisi di tanaman hidroponik.

3.4. Melakukan perbandingan penghitungan data sebenarnya dengan data peramalan menggunakan formula 3, dihasilkan nilai 51.47887.

1 ^!

(3)

4. KESIMPULAN

Metode regresi linier berganda, yang digunakan untuk peramalan pemberiaan cairan nutrisi dalam sistem tanaman hidroponik masuk ke dalam kategori yang baik, dilihat dari hasil perhitungan RMSE, yaitu bernilai 27.25217009, menandakan bahwa apabila terjadi penyimpangan, berkisar 27.25217009 ml cairan nutrisi.

(9)

158 Jatisi ISSN 2407-4322 Vol. 10, No. 2, Juni 2023, Hal. 150-159 E-ISSN 2503-2933

5. SARAN

Untuk penelitian selanjutnya dapat di lakukan dengan menggunakan hasil penelitian ini kedalam suatu ekosistem Internet of things, sehingga kendali pemberian nutrisi dapat dilakukan secara otomatis.

DAFTAR PUSTAKA

[1] S. Rusdiana and A. Maesya, “Pertumbuhan Ekonomi dan Kebutuhan Pangan di Indonesia,” Agriekonomika, Vol. 6, No. 1, pp. 12–25, 2017, [Online]. Available:

https://journal.trunojoyo.ac.id/agriekonomika/article/view/1795/2217.

[2] F. ; P. Alhadi and Artini, “Kebijakan Pengembangan Ketahanan Pangan Lokal,” J.

Agribisnis Unisi, Vol. 11, No. 1, pp. 78–83, 2022, [Online]. Available:

https://ejournal.unisi.ac.id/index.php/agribisnis/article/view/1988/1167.

[3] E. Setyaningsih, S. Gayatri, and B. T. Eddy, “Alih Fungsi Lahan Pertanian dan Dampaknya Terhadap Kehidupan Penduduk di Kecamatan Sayung Kabupaten Demak,”

Agrisocionomics J. Sos. Ekon. Pertan., Vol. 1, No. 1, pp. 85–93, 2018.

[4] S. Swastika, A. Yulfida, and Y. Sumitro, Buku Petunjuk Teknis Budidaya Sayuran Hidroponik, 1st ed. Pekanbaru Riau: Balai Pengkajian Teknologi Pertanian, 2017.

[5] M. Widodo and A. Subandi, “Rancang Bangun Sistem Aeroponik Secara Otomatis Untuk Budidaya Beberapa Sayuran,” J. Tek. Elektro, Vol. 3, No. 1, pp. 1–13, 2016.

[6] C. A. Jamhari, W. K. Wibowo, A. R. Annisa, and T. M. Roffi, “Design and Implementation of IoT System for Aeroponic Chamber Temperature Monitoring,”

Proceeding - 2020 3rd Int. Conf. Vocat. Educ. Electr. Eng. Strength. Framew. Soc. 5.0 through Innov. Educ. Electr. Eng. Informatics Eng. ICVEE 2020, pp. 1–4, 2020, doi:

10.1109/ICVEE50212.2020.9243213.

[7] R. B. Lukito and C. Lukito, “Development of IoT At Hydroponic System Using Raspberry Pi,” Telkomnika (Telecommunication Comput. Electron. Control., Vol. 17, No. 2, pp. 897–906, 2019, doi: 10.12928/Telkomnika.V17I2.9265.

[8] W. Rahman, E. Hossain, R. Islam, Harun-Ar-Rashid, Nur-A-Alam, and M. Hasan,

“Real-time and Low-Cost IoT Based Farming Using Raspberry Pi,” Indones. J. Electr.

Eng. Comput. Sci., Vol. 17, No. 1, pp. 197–204, 2019, doi:

10.11591/ijeecs.v17.i1.pp197-204.

[9] S. Navulur, A. S. C. S. Sastry, and M. N. Giri Prasad, “Agricultural Management Through Wireless Sensors and Internet of Things,” Int. J. Electr. Comput. Eng., Vol. 7, No. 6, pp. 3492–3499, 2017, doi: 10.11591/ijece.v7i6.pp3492-3499.

[10] F. Kamaruddin, N. N. N. A. Malik, N. A. Murad, N. M. Azzah A. Latiff, S. K. S. Yusof, and S. A. Hamzah, “IoT-Based Intelligent Irrigation Management and Monitoring

(10)

Jatisi ISSN 2407-4322

Vol. 10, No. 2, Juni 2023, Hal. 150-159 E- ISSN 2503-2933 159

System Using Arduino,” Telkomnika (Telecommunication Comput. Electron. Control., Vol. 17, No. 5, pp. 2378–2388, 2019, doi: 10.12928/TELKOMNIKA.v17i5.12818.

[11] P. Musa, H. Sugeru, and H. F. Mufza, “An Intelligent Applied Fuzzy Logic to Prediction The Parts per Million (PPM) as Hydroponic Nutrition On The Based Internet of Things (IoT),” Proc. 2019 4th Int. Conf. Informatics Comput. ICIC 2019, No. 1, 2019, doi:

10.1109/ICIC47613.2019.8985712.

[12] A. R. Al Tahtawi and R. Kurniawan, “PH Control for Deep Flow Technique Hydroponic IoT Systems Based On Fuzzy Logic Controller,” J. Teknol. dan Sist. Komput., Vol. 8, No. 4, pp. 323–329, 2020, doi: 10.14710/jtsiskom.2020.13822.

[13] K. Sekaran, M. N. Meqdad, P. Kumar, S. Rajan, and S. Kadry, “Smart Agriculture Management System Using Internet of Things,” Telkomnika (Telecommunication Comput. Electron. Control., Vol. 18, No. 3, pp. 1275–1284, 2020, doi:

10.12928/TELKOMNIKA.v18i3.14029.

[14] D. Adidrana and N. Surantha, “Hydroponic Nutrient Control System Based On Internet of Things and K-Nearest Neighbors,” 2019 Int. Conf. Comput. Control. Informatics its Appl. Emerg. Trends Big Data Artif. Intell. IC3INA 2019, Vol. 13, No. 2, pp. 166–171, 2019, doi: 10.1109/IC3INA48034.2019.8949585.

[15] R. Wisamana, “Analisis Faktor yang Mempengaruhi Kepuasan Konsumen Bongkar Muat Peti Kemas di Pelabuhan Tanjung Emas Semarang,” JIMEK, Vol. 2, No. 1, pp.

158–163, 2022, [Online]. Available:

https://journal.amikveteran.ac.id/index.php/jimek/article/view/204/155.

[16] G. N. Ayuni and D. Fitrianah, “Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ,” J. Telemat., Vol. 14, No. 2, pp. 79–86, 2019, [Online]. Available: https://journal.ithb.ac.id/telematika/article/view/321