Sistem Kontrol Kesuburan Tanaman Hidroponik Otomatis Menggunakan Artificial Neural Network

Abstrak

Pandemi COVID-19 meningkatkan popularitas berkebun hidroponik, namun hal ini tetap menjadi tantangan bagi pemula karena memerlukan pengendalian kondisi tanaman yang presisi. Penelitian ini mengembangkan sistem kontrol kesuburan tanaman hidroponik otomatis menggunakan Artificial Neural Network (ANN) untuk memantau dan mengoptimalkan pertumbuhan selada, pakcoy, dan bayam. Dengan memanfaatkan sensor, Arduino UNO, Azure Cloud, dan Python, sistem ini mengotomatisasi proses pemantauan dan pemberitahuan melalui Telegram. Pengujian menunjukkan peningkatan produktivitas sebesar 13,91% pada daun dan 15,28% pada batang dengan algoritma ANN yang dioptimalkan. Selain itu, evaluasi System Usability Scale (SUS) menunjukkan kepuasan pengguna terhadap sistem ini.