Text
IMPLEMENTASI IOT DAN MACHINE LEARNING UNTUK PREDIKSI KONDISI KESEHATAN TANAMAN KELAPA SAWIT
Kelapa sawit merupakan komoditas perkebunan strategis yang berperan penting dalam perekonomian Indonesia. Tingkat produktivitas dan kualitas tanaman kelapa sawit sangat dipengaruhi oleh kondisi kesuburan tanah, seperti pH tanah, suhu, kelembapan, dan konduktivitas listrik (EC). Namun, proses pemantauan kondisi tanah di lapangan masih banyak dilakukan secara manual, sehingga kurang efisien, memerlukan waktu lama, dan berpotensi menghasilkan data yang kurang akurat. Oleh karena itu, diperlukan suatu sistem pemantauan dan prediksi yang mampu bekerja secara real-time serta mendukung pengambilan keputusan secara tepat.Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem prediksi kondisi kesuburan dan kesehatan tanaman kelapa sawit berbasis Internet of Things (IoT) dan Machine Learning. Sistem ini menggunakan mikrokontroler ESP32 yang terhubung dengan sensor tanah 7 in 1 untuk mengukur parameter pH tanah, suhu, kelembapan, dan EC secara real-time. Data hasil pengukuran dikirimkan ke server dan ditampilkan melalui platform website sebagai media pemantauan. Data tersebut diolah menggunakan algoritma Machine Learning untuk mengklasifikasikan kondisi kesuburan tanah dan memprediksi kesehatan tanaman kelapa sawit.Metode pengembangan sistem yang digunakan adalah metode prototyping, yang meliputi analisis kebutuhan, perancangan sistem, pembuatan prototipe, serta pengujian dan penyempurnaan sistem. Dengan harapan dapat membantu petani dan pengelola perkebunan dalam mengambil keputusan yang lebih cepat dan tepat terkait pemeliharaan tanaman, sehingga dapat meningkatkan produktivitas dan efisiensi pengelolaan perkebunan kelapa sawit.
No other version available