Indonesia
English
Pengumuman
CLASSIFICATION
Jan 19, 2025
By Admin FEB
Medan – Tim peneliti dari Universitas Potensi Utama (UPU) bersama Universitas Asahan dan Universitas Medan Area berhasil merancang sistem pertanian cerdas terintegrasi yang menggabungkan teknologi Agrivoltaik (Agrivoltaic System), Internet of Things (IoT), dan Jaringan Saraf Tiruan (Artificial Neural Network) untuk klasifikasi buah cabai. Penelitian kolaboratif ini berjudul “Design of Agrivoltaic System with Internet of Things Control for Chili Fruit Classification Using the Neural Network Method.”
Tim peneliti diketuai oleh Dr. Wanayumini, M.Kom (NIDN 0104027102) dari Universitas Asahan, dengan anggota Ir. Habib Satria, M.T, IPM (NIDN 0122069301) dari Universitas Medan Area, serta Prof. Dr. Rika Rosnelly, S.Kom., M.Kom (NIDN 0119097502) dari Universitas Potensi Utama. Penelitian ini didanai melalui skema pendanaan internal perguruan tinggi dengan total anggaran Rp15.600.000 dan berlangsung selama 6 bulan pada tahun 2024.
Latar Belakang: Tantangan Pertanian Cabai di Indonesia
Sektor pertanian merupakan pilar utama perekonomian Indonesia sekaligus penyedia lapangan kerja dominan. Kondisi tanah yang subur memungkinkan budidaya berbagai komoditas, termasuk cabai yang bernilai ekonomi tinggi. Namun, petani cabai menghadapi kendala kompleks dalam menerapkan sistem pertanian konvensional, mulai dari fluktuasi harga, serangan hama dan penyakit, hingga kebutuhan input pertanian (pupuk dan air) yang tinggi. Selain itu, minimnya teknologi yang memadai telah menghambat produktivitas dan berdampak pada menurunnya minat generasi muda terhadap profesi ini.
Penelitian ini menjawab tantangan tersebut dengan mengembangkan sistem pertanian cerdas yang terintegrasi dengan energi terbarukan dan sensor IoT, sehingga petani dapat mengendalikan dan menyediakan kebutuhan tanaman secara otomatis dan periodik.
Sistem Agrivoltaik: Menggabungkan Energi Surya dan Pertanian
Sistem yang dirancang mengoperasikan kombinasi antara Photovoltaic (PV) dan teknologi pertanian pada lahan yang sama. Panel surya tidak hanya berfungsi sebagai sumber energi untuk mengoperasikan pompa sirkulasi air dan perangkat IoT, tetapi juga memberikan efek naungan yang menciptakan mikroklima optimal bagi pertumbuhan tanaman cabai.
Hasil Pengukuran Panel Surya:
WaktuTegangan (V)Arus (A)Daya (W)07:00 | 13,20 | 1,25 | 16,50
09:00 | 13,30 | 1,30 | 17,29
11:00 | 13,15 | 1,29 | 16,96
13:00 | 13,19 | 1,29 | 17,01
15:00 | 12,98 | 1,00 | 12,98
09:00 | 13,30 | 1,30 | 17,29
11:00 | 13,15 | 1,29 | 16,96
13:00 | 13,19 | 1,29 | 17,01
15:00 | 12,98 | 1,00 | 12,98
Pengukuran menunjukkan daya maksimum sebesar 17,01 W pada pukul 13.00, cukup untuk menyuplai energi ke lampu UV (sebagai pencahayaan) dan mikrokontroler.
Teknologi IoT untuk Monitoring dan Kontrol Otomatis
Sistem ini dilengkapi dengan berbagai sensor yang terhubung ke mikrokontroler NodeMCU ESP8266 untuk mengumpulkan data secara real-time dan mengirimkannya ke platform pusat yang dapat diakses secara daring. Sensor yang digunakan meliputi sensor pH, sensor kelembaban DHT11, dan sensor nutrisi.
Pengujian NodeMCU ESP8266:
PercobaanData Dikirim (kb)Data Diterima (bytes)1 | 1,0 | 20
2 | 1,2 | 23
3 | 1,3 | 25
4 | 1,5 | 33
5 | 1,7 | 39
6 | 1,8 | 42
2 | 1,2 | 23
3 | 1,3 | 25
4 | 1,5 | 33
5 | 1,7 | 39
6 | 1,8 | 42
Hasil pengujian menunjukkan bahwa data yang dikirim berbanding lurus dengan data yang diterima, menandakan efisiensi dan keberhasilan transmisi data yang baik.
Monitoring Suhu dan Kelembaban:
WaktuSuhu (°C)Kelembaban (%)Kondisi07:00 | 28,3 | 75 | Normal
09:00 | 29,6 | 72 | Normal
11:00 | 30,5 | 68 | Normal
13:00 | 31,6 | 65 | Normal
15:00 | 31,3 | 66 | Normal
09:00 | 29,6 | 72 | Normal
11:00 | 30,5 | 68 | Normal
13:00 | 31,6 | 65 | Normal
15:00 | 31,3 | 66 | Normal
Sensor bekerja dengan baik di mana suhu meningkat dan kelembaban menurun secara normal, menunjukkan bahwa sistem agrivoltaik stabil dan dapat beroperasi secara efisien.
Sistem Hidroponik NFT (Nutrient Film Technique)
Sistem pertanian ini juga dilengkapi dengan teknik NFT (Nutrient Film Technique) yang biasanya ditemukan pada sistem hidroponik. Teknik ini mengalirkan larutan nutrisi tipis di bawah akar tanaman melalui saluran atau pipa miring, sehingga akar hanya terendam sebagian dan udara tetap dapat bersirkulasi di sekitar akar. Sistem NFT ini terintegrasi dengan IoT untuk memantau dan mengontrol kondisi tanaman secara otomatis.
Klasifikasi Buah Cabai dengan Jaringan Saraf Tiruan (ANN)
Inovasi utama dari penelitian ini adalah pengembangan kamera pintar mini untuk memantau dan mengambil gambar cabai. Gambar-gambar ini kemudian diproses menggunakan aplikasi Graphical User Interface (GUI) yang diprogram dengan perangkat lunak MATLAB untuk segmentasi. Klasifikasi buah cabai menggunakan metode Jaringan Saraf Tiruan (Artificial Neural Network) untuk mengidentifikasi tiga kategori: cabai matang, mentah, dan busuk.
Arsitektur Jaringan Saraf Tiruan:
- 2 neuron input
- 2 hidden layers (masing-masing dengan 10 dan 5 neuron)
- 1 neuron output
Struktur ini digunakan untuk memproses data input dan menghasilkan output dengan akurasi yang diinginkan setelah melalui beberapa tingkat pemrosesan.
Hasil Training Neural Network:
- Best validation performance dicapai pada epoch ke-10 dengan nilai Mean Squared Error (MSE) sekitar 0,00063967
- Nilai MSE yang sangat rendah ini mengindikasikan pembelajaran yang stabil dan kemampuan generalisasi yang kuat
Hasil Uji Regresi (R Value):
- Nilai R = 0,9 (mendekati nilai sempurna 1)
- Menunjukkan korelasi yang sangat kuat antara output prediksi model dengan nilai target aktual
- Model sangat cocok untuk data training, validasi, dan pengujian
Prof. Dr. Rika Rosnelly, S.Kom., M.Kom, selaku anggota tim peneliti dari Universitas Potensi Utama, menjelaskan:
“Dengan nilai R sebesar 0,9, sistem klasifikasi cabai berbasis jaringan saraf tiruan ini memiliki akurasi yang sangat tinggi dalam membedakan cabai matang, mentah, dan busuk. Petani tidak lagi perlu melakukan sortir manual yang memakan waktu dan rawan kesalahan. Cukup dengan kamera pintar, sistem akan secara otomatis mengidentifikasi cabai mana yang siap panen.”
Keunggulan Sistem Secara Keseluruhan
- Energi Terbarukan: Sistem beroperasi menggunakan tenaga surya (PV-off grid), sehingga sirkulasi air melalui mesin pompa tidak pernah terputus dan dapat dikendalikan 24 jam.
- Otomatis dan Periodik: Petani dapat mengontrol dan menambahkan vitamin, pupuk, serta nutrisi secara otomatis berdasarkan jadwal real-time clock.
- Monitoring Jarak Jauh: Sistem IoT memungkinkan petani memantau dan mengendalikan tanaman hanya melalui ponsel, kapan pun dan di mana pun selama ada koneksi internet stabil.
- Klasifikasi Cerdas: Jaringan saraf tiruan membantu petani menyortir cabai yang akan dipanen dengan akurasi tinggi.
- Fleksibel dan Efisien Lahan: Sistem ini sangat mudah diterapkan di perumahan tanpa memerlukan lahan yang luas, serta dapat diaplikasikan pada tanaman lain, termasuk yang ditanam di media tanah.
Kesimpulan Peneliti
Integrasi teknologi pertanian dengan pengembangan sistem IoT memberikan dampak signifikan bagi petani, khususnya petani cabai, dalam bercocok tanam modern. Petani dapat mengontrol dan menambahkan vitamin, pupuk, serta kualitas air berdasarkan sistem kontrol yang telah diprogram. Tanaman diberi nutrisi dan disiram secara otomatis dan teratur sesuai jadwal real-time clock.
Pengembangan model kamera pintar mini juga memungkinkan pemantauan cabai melalui pengambilan gambar. Gambar ini kemudian dikonversi untuk segmentasi menggunakan GUI yang telah diprogram dengan perangkat lunak MATLAB. Metode jaringan saraf tiruan yang digunakan dalam klasifikasi buah cabai berhasil membedakan cabai matang, mentah, dan busuk dengan nilai R sebesar 0,9 (mendekati kesesuaian sempurna nilai 1). Dengan demikian, petani akan lebih mudah menyortir cabai yang akan dipanen.
Saran untuk Penelitian Selanjutnya
Berdasarkan temuan penelitian ini, studi selanjutnya disarankan untuk:
- Memperluas cakupan variabel lingkungan yang dipantau (misalnya kadar CO₂, intensitas cahaya, kecepatan angin).
- Meningkatkan efisiensi transmisi data dan mengurangi latensi.
- Menggabungkan model machine learning yang lebih canggih (misalnya Convolutional Neural Network/CNN) untuk meningkatkan akurasi klasifikasi buah cabai.
- Mengeksplorasi algoritma pengambilan keputusan real-time untuk kontrol nutrisi otomatis.
- Menguji sistem pada berbagai jenis tanaman dan kondisi iklim yang berbeda untuk memastikan skalabilitas dan penerapan yang lebih luas.
Apresiasi dan Ucapan Terima Kasih
Tim peneliti menyampaikan ucapan terima kasih kepada Universitas Asahan atas Program Bantuan Publikasi Karya Tulis Ilmiah Internal berdasarkan Pedoman No. 103/KPTS-UNA/YEAR 2024, Universitas Medan Area atas dukungan penelitiannya, serta Universitas Potensi Utama atas kolaborasi penelitian yang telah terjalin.
Ketua Program Studi Manajemen UPU, Aisyah Azhar Adam, S.E., M.M, menyampaikan apresiasinya:
“Penelitian ini merupakan contoh nyata kolaborasi lintas perguruan tinggi dan lintas disiplin ilmu (Teknik Informatika, Teknik Elektro, dan Ilmu Komputer) yang menghasilkan inovasi teknologi tepat guna bagi sektor pertanian. Kami bangga bahwa Universitas Potensi Utama berkontribusi melalui peran Prof. Dr. Rika Rosnelly dalam tim peneliti. Sistem agrivoltaik berbasis IoT dan kecerdasan buatan ini sejalan dengan visi pemerintah untuk mewujudkan pertanian 4.0 di Indonesia.”
Dengan adanya penelitian ini, Universitas Potensi Utama semakin memperkuat posisinya dalam riset kolaboratif di bidang teknologi tepat guna, energi terbarukan, dan kecerdasan buatan untuk mendukung ketahanan pangan dan kesejahteraan petani Indonesia.
Medan, 19 Januari 2025
Humas Universitas Potensi Utama
Apakah Anda ingin menyesuaikan naskah ini menjadi versi dwibahasa (Indonesia-Inggris) atau ditambahkan infografis tentang alur sistem (panel surya → sensor IoT → NodeMCU → platform cloud → kamera pintar → GUI MATLAB → klasifikasi ANN)?
