<![CDATA[Kelembaban tanah merupakan parameter penting yang mempengaruhi produktivitas tanaman serta efisiensi penggunaan air dalam sistem pertanian dan perkebunan. Pengelolaan irigasi konvensional umumnya menggunakan nilai ambang batas tetap sehingga tidak mampu memprediksi perubahan kondisi kelembaban tanah di masa mendatang. Penelitian ini mengembangkan sistem peramalan kelembaban tanah berbasis Internet of Things (IoT) dengan pendekatan machine learning dan deep learning. Sensor dihubungkan dengan mikrokontroler ESP32 yang mengirimkan data secara real time ke penyimpanan cloud. Dataset yang diperoleh terdiri dari ribuan entri dan diolah menggunakan Python melalui proses pembersihan data, normalisasi serta pelatihan model. Beberapa model prediksi yang digunakan meliputi Linear Regression, Random Forest Regression, Support Vector Regression (SVR), dan Long Short-Term Memory (LSTM). Dataset dibagi menjadi data pelatihan dan data pengujian dengan rasio 80:20. Evaluasi kinerja model dilakukan menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model LSTM memberikan performa prediksi terbaik karena mampu menangkap pola temporal pada data deret waktu sensor IoT. Sistem ini berpotensi mendukung pengembangan irigasi cerdas untuk meningkatkan efisiensi penggunaan air dan pengelolaan perkebunan yang berkelanjutan.Kata kunci: Kelembaban tanah; Internet of Things; Machine Learning; Deep Learning; Pertanian presisi.]]>
Copyrights © 2026
