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.
