Pengendalian Vapor Pressure Deficit (VPD) pada Tanaman Selada Hidroponik Menggunakan Fuzzy Bayes,

Rosyadi, Mohammad As’ad and k Prof. Dr. -Ing. Setyawan Purnomo Sakti,, M.Eng and Ir. Muhammad Fauzan Edy Purnomo,, S.T., M.T., Ph.D (2023) Pengendalian Vapor Pressure Deficit (VPD) pada Tanaman Selada Hidroponik Menggunakan Fuzzy Bayes,. Magister thesis, Universitas Brawijaya.

Abstract

Sayuran merupakan sumber penting antioksidan, vitamin, serat, dan mineral yang berperan dalam kesehatan dan pertumbuhan manusia. Namun, bagian yang paling sering dikonsumsi adalah daun sayuran yang sangat dipengaruhi oleh nilai VPD. Tingginya nilai VPD dapat berdampak negatif terhadap tanaman, seperti layu yang mudah terjadi dan penurunan hasil fotosintesis. Sebaliknya, nilai VPD yang terlalu rendah dapat memperlambat metabolisme dan pertumbuhan tanaman, serta meningkatkan risiko penyakit. Pertumbuhan tanaman hidroponik membutuhkan kualitas air yang baik, keseimbangan mineral pH, kelembapan media tanam yang optimal, serta oksigen dalam air. Berdasarkan tantangan tersebut, penelitian ini bertujuan untuk mengendalikan nilai VPD pada tanaman selada hidroponik menggunakan metode Fuzzy Bayes melalui penerapan teknologi IoT (Internet of Things) untuk meningkatkan produktivitas panen. Penelitian ini melibatkan pengamatan terhadap kondisi tanaman hidroponik dan pengendalian VPD. Pemantauan kondisi dilakukan dengan membaca nilai sensor suhu, kelembapan udara, suhu daun, kualitas air, pH, kelembapan media tanam, dan tingkat oksigen. Data dari sensor-sensor tersebut diproses menggunakan metode Fuzzy dan Bayes, dan disimpan dalam sebuah database. Server menggunakan hasil perhitungan metode tersebut untuk memberikan respons dan mengendalikan kondisi tanaman secara otomatis melalui teknologi IoT yang dapat dipantau melalui aplikasi Android dan situs web. Hasil analisis menunjukkan bahwa sistem ini mampu mengendalikan nilai VPD udara dan VPD daun sesuai dengan target yang ditetapkan dalam jangka waktu tertentu, yakni 7 menit (waktu tunda 1 menit) hingga 31 menit (waktu tunda 15 menit). Sedangkan untuk mengembalikan ketika kondisi erorr membutuhkan waktu 10 (waktu tunda 1 menit) menit hingga 30 menit (waktu tunda 15 menit). Sehingga, pengaturan waktu tunda menjadi faktor penting dalam meminimalkan kemungkinan kesalahan. Metode ini terbukti lebih unggul daripada metode Fuzzy Sugeno yang telah diteliti oleh Ramos-Fernández dkk (2016), karena mampu mengendalikan VPD udara dan daun dengan efektif. Dimana persentase keberhasilan pengendalian VPD udara sebesar 94,44%, sedangkan VPD daun sebesar 88,89% dibanding dengan pengendalian metode Fuzzy Sugeno yang telah diteliti oleh Ramos-Fernández dkk (2016) yang mampu mengendalikan VPD udara sebesar 56,67%. Selain itu, sistem ini dilengkapi dengan fitur LED untuk memfasilitasi fotosintesis tanaman pada malam hari, yang berdampak positif terhadap kualitas daun dan produktivitas tanaman secara signifikan sekaligus menjaga nilai VPD dapa malam hari. Hasil akurasi perhitungan dengan metode Fuzzy Bayes menunjukkan tingkat keberhasilan sebesar 87% dibandingkan dengan metode bayes yakni 67%. Selain itu, Penggunaan mikrokontroler berbasis cloud untuk metode Fuzzy Bayes sebagai server side processing memberikan waktu respons rata-rata lebih cepat, penggunaan memori lebih ringan, dan ruang penyimpanan lebih kecil pada mikrokontroler . Sedangkan Penggunaan metode Fuzzy Bayes dalam perhitungan VPD lebih cepat sebesar 0,2 detik jika menggunakan program javascript, dan 0,07 detik jika menggunakan program PHP. Namun, jika dilihat dari segi prosesor, RAM, dan penyimpanan/HDD, metode perhitungan lebih ringan daripada metode Fuzzy Bayes

English Abstract

Vegetables are a valuable source of antioxidants, vitamins, fiber, and minerals that benefit human health and growth. Most frequently consumed are leaf vegetables, which are strongly influenced by VPD. A high VPD value can have a negative impact on plants, such as easy wilting and decreased photosynthetic results. Conversely, a VPD value that is too low can slow plant metabolism and growth, as well as increase disease risk. Hydroponic plant growth requires proper water quality, pH mineral balance, optimal growing media humidity, and oxygen in the water. Based on these challenges, this study aims to control the VPD value in hydroponic lettuce with the Fuzzy Bayes method. It also applies IoT (Internet of Things) technology to increase crop productivity. This research involved observing hydroponic plants and VPD control. Condition monitoring is carried out by reading the sensor values of temperature, air humidity, leaf temperature, water quality, pH, humidity of the planting medium, and oxygen levels. Data from these sensors is processed using Fuzzy and Bayes methods, and stored in a database. The server uses the calculation results of this method to respond and control plant conditions automatically through IoT technology. This can be monitored through Android applications and websites. The results of the analysis show that this system controls the VPD values of air and leaf VPD according to the targets set within a certain period of time. This is 7 minutes (1- minute delay time) to 31 minutes (15-minute delay time). Meanwhile, it takes 10 (1-minute delay time) up to 30 minutes (15-minute delay time). Thus, setting the delay time becomes a crucial factor in minimizing error possibility. This method has proven to be superior to the Fuzzy Sugeno method studied by Ramos-Fernández et al (2016), because it controls air and leaf VPD effectively. Where the percentage of success in reducing air VPD was 94.44%, while leaf VPD was 88.89% compared to the control of the Fuzzy Sugeno method which was studied by Ramos-Fernández et al (2016) which controlled air VPD by 56.67%. In addition, this system is equipped with an LED feature to facilitate plant photosynthesis at night. This has a significant positive impact on leaf quality and plant productivity while maintaining VPD values at night. The results of calculation accuracy with the Fuzzy Bayes method show a success rate of 87% compared to the Bayes method which is 67%. In addition, the use of a cloud-based microcontroller for the Fuzzy Bayes method as server-side processing provides a faster average response time, lighter memory usage, and smaller storage space on the microcontroller. While the Fuzzy Bayes method calculates VPD faster by 0.2 seconds when using a JavaScript program, and 0.07 seconds when using a PHP program. However, when viewed in terms of processor, RAM, and storage/HDD, the calculation method is lighter than the Fuzzy Bayes method.

Item Type:	Thesis (Magister)
Identification Number:	0423070023
Uncontrolled Keywords:	Fuzzy Bayes, IoT, Pengendalian, Sayuran, VPD
Subjects:	600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.38 Electronics, communications engineering > 621.381 Electronics
Divisions:	S2/S3 > Magister Teknik Elektro, Fakultas Teknik
Depositing User:	Endang Susworini
Date Deposited:	05 Oct 2023 01:14
Last Modified:	05 Oct 2023 01:14
URI:	http://repository.ub.ac.id/id/eprint/203450

Text (DALAM MASA EMBARGO) Mohammad As'ad Rosyadi.pdf Restricted to Registered users only until 31 December 2025. Download (14MB)

Actions (login required)

View Item