HydroTECH : Implementasi Smart Greenhouse Hidroponik Berbasis IoT dan Machine Learning Melalui Pemanfaatan Energi Terbarukan (Solar Panel)

Abstract

Peningkatan kebutuhan pangan dan variabilitas iklim mendorong urgensi penerapan pertanian presisi yang efisien sumber daya. Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan menguji sistem "HYDROTECH", sebuah prototipe smart greenhouse untuk budidaya hidroponik Nutrient Film Technique (NFT) yang terintegrasi dengan Internet of Things (IoT) dan Machine Learning (ML), serta beroperasi secara mandiri menggunakan energi terbarukan dari panel surya. Sistem ini dibangun dengan catu daya panel surya 580 Wp, dikendalikan oleh mikrokontroler ESP32, dan dilengkapi serangkaian sensor untuk akuisisi data real-time meliputi pH, Total Dissolved Solids (TDS), suhu dan kelembapan udara (DHT22), suhu larutan (DS18B20), serta intensitas cahaya (LDR). Hasil kalibrasi menunjukkan akurasi sensor yang tinggi dengan galat masing-masing untuk pH (≤±0,10 pH), TDS (±1%), dan suhu DS18B20 (≤±0,3°C). Pengujian sistem menunjukkan kemampuan pemantauan parameter lingkungan dan nutrisi secara kontinu dan stabil, menjaga kondisi optimal untuk pertumbuhan tanaman seperti pH pada rentang 6,17–6,22 dan EC pada 1,61–1,68 mS/cm. Model machine learning berbasis Recurrent Neural Network (RNN) yang dikembangkan berhasil memberikan prediksi waktu panen dengan tingkat kesiapan mencapai 72% untuk bayam dan 65% untuk selada. Implementasi prototipe ini membuktikan kelayakan integrasi teknologi IoT, ML, dan energi surya sebagai solusi efektif untuk mendukung ketahanan pangan dan pertanian presisi skala rumah tangga.