Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Teknika

Kalibrasi Sensor Suhu Udara, Kelembaban dan pH Tanah Menggunakan Metode Linear regression Setyawan, Dodi Yudo; Nurfiana, Nurfiana; Rosmalia, Lia; Setiawati, Melia Gripin; Handayani, Retno Dwi
TEKNIKA Vol. 19 No. 1 (2025): Teknika Januari 2025
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.14183937

Abstract

Ketepatan atau presisi alat ukur suhu, kelembaban udara dan pH tanah adalah hal yang sangat penting dalam pengambilan keputusan pada pengontrolan pengelolaan tanah dan air dalam pertanian. Setiap sensor yang digunakan untuk membangun sistem alat ukur harus dikalibrasi agar memperoleh ketepatan pengukuran. Penelitian ini membahas proses kalibrasi terhadap tiga jenis sensor, yaitu sensor suhu dan kelembaban udara DHT11, serta sensor kelembaban dan pH tanah. Kalibrasi menggunakan metode linear regression untuk meningkatkan akurasi pengukuran terhadap nilai acuan kalibrator yang lebih presisi. Hasil menunjukkan bahwa kalibrasi berhasil mengurangi simpangan baku dari setiap sensor, terutama sensor DHT11 dengan peningkatan akurasi sebesar 0,03 dan konsistensi pengukuran yang signifikan. Kalibrasi sensor kelembaban tanah dengan peningkatan akurasi sebesar 0,01 dan sensor pH juga menunjukkan peningkatan akurasi, meskipun peningkatannya tidak sebesar sensor DHT11. Dengan demikian, kalibrasi ini meningkatkan kualitas pengukuran dan konsistensi sensor dalam aplikasi monitoring lingkungan.
Analisis Perbandingan dan Karakterisasi Sensor Kelembaban Tanah Jenis Kapasitif dengan Jenis Resistif pada Objek Penginderaan yang Sama Setyawan, Dodi Yudo; Nurfiana, Nurfiana; Rosmalia, Lia; Setiawati, Melia Gripin
TEKNIKA Vol. 18 No. 1 (2024): Teknika Januari - Juni 2024
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.10563066

Abstract

Tanaman pangan jenis hortikultura baik sayur dan buah-buahan sangat memerlukan kelembaban tanah yang tepat dalam proses pertumbuhannya. Pada sistem pertanian cerdas proses penyiraman media tanam yang dilakukan secara otomatis berdasarkan data sensor kelembaban tanah sehingga diperlukan data kelembaban tanah yang tepat. Setidaknya ada dua jenis sensor kelembaban tanah yakni sensor kelembaban tanah jenis kapasitif dan jenis resistif yang sering digunakan para peneliti dalam pertanian cerdas namun belum ada yang membandingkan keduanya sehingga diperoleh karakteristik jelas dari keduanya perihal kestabilan dan keakuratan data. Ada tiga langkah pada penelitian ini yakni sampling data sensor dengan media udara, air dan tanah. Hasil penelitian menunjukkan sensor kelembaban tanah jenis resistif datanya lebih stabil dibanding dengan jenis kapasitif jika berada di media air dan udara sedangkan jenis kapasitif lebih stabil jika berada pada media tanah. Tingkat akurasi jenis resistif lebih baik dari jenis kapasitif jika berada di media air dan udara namun sangat kurang ketika berada pada media tanah dengan selisih data rata-rata 31,49.
Pemodelan Suhu Udara Menggunakan Decision Tree pada Smart Greenhouse Setyawan, Dodi Yudo; Nurfiana, Nurfiana; Handayani, Rento Dwi; Setiawati, Melia Gripin; Rosmalia, Lia; Nugroho, Bayu
TEKNIKA Vol. 20 No. 1 (2026): Teknika Januari 2026
Publisher : Politeknik Negeri Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5281/zenodo.18053913

Abstract

Pertanian greenhouse konvensional seringkali menghadapi tantangan inefisiensi akibat ketergantungan pada pengendalian manual dan tingginya variabilitas kondisi lingkungan. Untuk mengatasi hal tersebut, studi ini menyajikan metode pemodelan suhu udara berbasis Decision Tree yang dirancang khusus untuk optimalisasi smart greenhouse. Penelitian ini bertujuan untuk menciptakan sistem pengelolaan suhu yang presisi dan tangguh (robust) dengan memanfaatkan integrasi jaringan sensor nirkabel dan analitik data. Metodologi penelitian meliputi akuisisi data lingkungan, pra-pemrosesan data yang ketat, serta pelatihan model untuk memprediksi fluktuasi suhu. Hasil evaluasi menunjukkan bahwa algoritma Decision Tree mengungguli model komparasi lainnya, dengan capaian akurasi tertinggi sebesar 85,52%. Selain akurasi, penelitian ini juga berhasil mengimplementasikan model tersebut ke dalam sistem tertanam (embedded system), memungkinkan prediksi real-time sebagai mekanisme cadangan (fail-safe) saat sensor fisik mengalami gangguan. Penelitian ini memberikan kontribusi signifikan terhadap efisiensi sumber daya, optimalisasi hasil panen, serta keberlanjutan praktik pertanian modern. Studi lebih lanjut disarankan untuk mengeksplorasi teknik Deep Learning dan validasi jangka panjang guna meningkatkan performa adaptif sistem.