<![CDATA[Budidaya anggur memerlukan pemantauan intensif terhadap kondisi lingkungan seperti kelembaban tanah, pH, dan kadar nutrisi untuk memastikan pertumbuhan optimal dan kualitas panen yang tinggi. Penelitian ini mengusulkan pengembangan sistem prediksi dan deteksi anomali berbasis Internet of Things (IoT) dan analisis deret waktu (time series) yang dilengkapi dengan pendekatan Explainable Artificial Intelligence (XAI). Sistem ini mengintegrasikan sensor IoT untuk pengumpulan data real-time dari lahan budidaya anggur, kemudian menerapkan model prediksi berbasis machine learning untuk memantau pola perubahan parameter lingkungan. Deteksi anomali dilakukan menggunakan metode unsupervised learning yang mampu mengidentifikasi penyimpangan dari kondisi normal, sehingga memberikan peringatan dini kepada petani. Komponen XAI digunakan untuk menjelaskan alasan di balik setiap deteksi anomali, sehingga meningkatkan transparansi dan kepercayaan pengguna terhadap hasil sistem. Hasil pengujian menunjukkan bahwa sistem mampu mencapai tingkat akurasi prediksi sebesar 92% dan sensitivitas deteksi anomali sebesar 89%, sehingga efektif membantu dalam pengambilan keputusan terkait irigasi, pemupukan, dan tindakan korektif lainnya. Temuan ini diharapkan dapat mendukung praktik pertanian presisi dan meningkatkan produktivitas serta efisiensi dalam budidaya anggur.]]>
Copyrights © 2026
