<![CDATA[Sistem irigasi manual pada pertanian skala rumah tangga memiliki keterbatasan dalam memantau kondisi lingkungan tanaman secara dinamis dan real-time. Penelitian ini merancang dan membangun sistem gateway edge berbasis Raspberry Pi Zero 2W dengan komunikasi LoRa SX1278 untuk prediksi dan pengendalian penyiraman tanaman menggunakan TinyML, dengan tanaman mint (Mentha sp.) sebagai objek pengujian. Node sensor berbasis ESP32 membaca lima parameter lingkungan yaitu kelembaban tanah, suhu udara, kelembaban udara, tekanan udara, dan intensitas cahaya, kemudian mengirimkan data ke gateway edge melalui komunikasi LoRa SX1278 secara point-to-point. Gateway edge menjalankan inferensi model Random Forest berbasis TinyML secara lokal menggunakan library joblib tanpa memerlukan koneksi internet maupun layanan cloud. Model dilatih menggunakan dataset synthetic 1.200 sampel yang terdistribusi seimbang ke dalam tiga kelas kondisi tanaman yaitu Kering, Normal, dan Basah. Hasil pengujian menunjukkan model Random Forest mencapai akurasi 99,17% dengan nilai precision, recall, dan F1-score rata-rata masing-masing sebesar 0,9919, 0,9917, dan 0,9917. Pengujian komunikasi LoRa di dua lokasi berbeda di Kota Medan menunjukkan packet loss 0% pada seluruh titik pengujian hingga jarak ±100 meter. Sistem kendali pompa berhasil mengaktifkan pompa secara otomatis dengan tingkat keberhasilan 75% dan waktu respons kurang dari 2 detik. Web dashboard berbasis Flask 3.1.3 berhasil menyajikan monitoring real-time dan kendali pompa melalui jaringan WiFi lokal tanpa koneksi internet.]]>
Copyrights © 2026
