Rancang Bangun Sistem Pemberian Nutrisi Otomatis Dan Deteksi Penyakit Pada Tanaman Bayam Hidroponik Menggunakan Raspberry Pi

Sakti, Ilham Muhammad (2024) Rancang Bangun Sistem Pemberian Nutrisi Otomatis Dan Deteksi Penyakit Pada Tanaman Bayam Hidroponik Menggunakan Raspberry Pi. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5027201042-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Dalam menghadapi tantangan pemenuhan kebutuhan pangan yang dipicu oleh peningkatan populasi manusia dan berkurangnya lahan pertanian, pertanian hidroponik hadir sebagai solusi bertani di ruang terbatas. Bayam merupakan salah satu jenis tanaman yang dapat dibudidayakan menggunakan hidroponik. Bayam memiliki nilai ekonomi yang tinggi dan banyak diminati masyarakat, namun rentan terhadap penyakit. Pengelolaan larutan nutrisi yang sesuai dengan kebutuhan tanaman menjadi faktor penting dalam keberhasilan pertanian hidroponik. Pengelolaan nutrisi dan deteksi penyakit pada bayam hidroponik dengan penerapan IoT, pengelolaan hidroponik menjadi lebih efisien ketimbang dilakukan secara manual, yang membutuhkan waktu, tenaga, dan keahlian khusus. Penelitian ini bertujuan mengembangkan sistem otomatisasi untuk mengelola nutrisi dan mendeteksi penyakit pada tanaman bayam hidroponik menggunakan teknik Nutrient Film Technique (NFT), dengan memanfaatkan Raspberry Pi sebagai pusat kendali. Sistem ini memantau pH, kandungan nutrisi, suhu, kelembaban dan mendeteksi penyakit tanaman menggunakan Convolutional Neural Network (CNN) dengan arsitektur transfer learning dengan model dasarnya adalah MobileNetV2 yang diintegrasikan dengan dashboard Blynk. Berdasarkan hasil pengujian sensor suhu dan kelembaban, sensor pH, sensor nutrisi memiliki akurasi di atas 97% dan model MobileNetV2 yang digunakan memiliki akurasi 57% dalam mendeteksi penyakit tanaman bayam hidroponik melalui citra daun bayam yang ditangkap oleh kamera.
=================================================================================================================================
In addressing the challenge of meeting food requirements triggered by the increasing human population and decreasing agricultural land, hydroponic farming emerges as a solution for cultivating in limited spaces. Spinach, a plant with high economic value and widely favored by the community, can be grown using hydroponics, though it is susceptible to diseases. Proper management of the nutrient solution according to the plants' needs is a crucial factor in the success of hydroponic farming. With the application of IoT, managing nutrients and detecting diseases in hydroponic spinach becomes more efficient than doing so manually, which requires time, effort, and specialized skills. This research aims to develop an automation system for managing nutrients and detecting diseases in hydroponic spinach using the nutrient film technique (NFT), utilizing a Raspberry Pi as the control center. The system monitors pH, nutrient content, temperature, humidity, and detects plant diseases using a convolutional neural network (CNN) with a transfer learning architecture based on the MobileNetV2 model integrated with the Blynk dashboard. According to test results, the temperature and humidity sensors, pH sensors, and nutrient sensors have an accuracy above 97%, and the MobileNetV2 model used has an accuracy of 57% in detecting diseases in hydroponic spinach through images captured by a camera.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	bayam, CNN, hidroponik, hydroponic, IoT, smart farming, spinach
Subjects:	T Technology > T Technology (General) T Technology > TX Home economics > TX349 Nutrition. Foods and food supply
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Ilham Muhammad Sakti
Date Deposited:	18 Jul 2024 04:33
Last Modified:	18 Jul 2024 04:33
URI:	http://repository.its.ac.id/id/eprint/108423

Actions (login required)

View Item