24.04.5579
006.31 - Machine Learning
Karya Ilmiah - Skripsi (S1) - Reference
Tugas Akhir
147 kali
Metode pertanian konvensional menghadapi tantangan dalam hal efisiensi penggunaan<br /> lahan dan ketergantungan yang tinggi pada kondisi cuaca. Dengan meningkatnya populasi<br /> perkotaan, lahan yang tersedia untuk pertanian menjadi terbatas, sehingga sulit untuk<br /> memenuhi permintaan pangan yang terus meningkat. Keterbatasan lahan dan jarak dari area<br /> pertanian menghambat penyediaan sayuran segar, yang merupakan sumber nutrisi penting bagi<br /> tubuh manusia. <br /> Algoritma machine learning Random Forest Classification menunjukkan kinerja yang <br /> sangat baik dalam memprediksi kondisi tanaman hidroponik, khususnya Pakcoy, dengan<br /> tingkat akurasi 98,55%, dibandingkan dengan algoritma SVM sebesar 92,49% dan algoritma<br /> Logistic Regression sebesar 52,89%. Akurasi alat dan sensor berperan penting dalam mencapai<br /> hasil ini. Hasil penelitian ini menunjukkan bahwa sistem hidroponik vertikal berbasis IoT dan<br /> machine learning dapat mengatasi tantangan pertanian di lingkungan perkotaan dan<br /> berkontribusi secara signifikan terhadap keberlanjutan pertanian urban dengan memanfaatkan<br /> teknologi IoT, machine learning, dan sistem kontrol jarak jauh yang andal dan efisien.<br /> Implementasi lebih lanjut dan peningkatan teknologi ini diharapkan dapat memberikan dampak<br /> positif yang lebih besar secara global. <br /> <br /> Kata kunci: Hidroponik vertikal, Internet of Things, machine learning, pertanian urban.
Tersedia 1 dari total 1 Koleksi
Nama | ALLEN ALVANDANAE |
Jenis | Perorangan |
Penyunting | Ridha Muldina Negara, Sri Astuti |
Penerjemah |
Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
Kota | Bandung |
Tahun | 2024 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |