Pemodelan Pendinginan Evaporatif pada Rumah Tanaman Tipe Arch Menggunakan Jaringan Saraf Tiruan

Abstract

Budidaya tanaman di dalam rumah tanaman di daerah yang beriklim tropika basah menghadapi kendala tingginya suhu udara pada siang hari ketika cuaca cerah. Penggunaan pendingin evaporatif dapat menjaga suhu udara di dalam rumah tanaman agar lebih sesuai bagi pertumbuhan tanaman. Namun di daerah beriklim tropika basah penggunaan pendingin evaporatif menyebabkan kelembaban udara di dalam rumah tanaman sangat tinggi sehingga tanaman mudah terserang jamur. Hubungan suhu dan kelembaban udara di dalam rumah tanaman tipe arch dengan kondisi iklim dan kondisi operasi pendingin evaporatif perlu diketahui untuk menjadi pertimbangan perbaikan rancangan maupun pengelolaan rumah tanaman tersebut. Penelitian ini bertujuan membangun model prediksi suhu dan kelembaban udara di dalam rumah tanaman berdasarkan kondisi iklim dan kondisi operasi pendingin evaporatif. Model dibangun menggunakan algoritma Jaringan Saraf Tiruan (JST) propagasi mundur. Model JST yang dibangun ternyata mampu memprediksi suhu dan kelembaban udara dengan baik yaitu dengan nilai Root Mean Square Error (RMSE) 0,297°C untuk prediksi suhu udara dan 2,862% untuk prediksi kelembaban udara.

Crops cultivation inside the greenhouse in humid tropical climatic region faces problem of high air temperature during sunny days. The use of evaporative cooling could keep air temperature inside the greenhouse more growth. However, in humid tropical climates, the use of evaporative cooling causes the humidity of the air in the greenhouse to be very high so that the crops are susceptible to fungi. The relationship between air temperature and humidity inside the arch-type greenhouse with the climatic condition and operating condition of evaporative cooling have to be known for greenhouse design evaluation as well as its management considerations. This research aims to develop a predictive model for air temperature and humidity inside the greenhouse based on climatic condition and operating condition of evaporative cooling. The model was developed by using Artificial Neural Network (ANN) backpropagation algorithm. The developed ANN model evidently could well predicted air temperature and humidity with RMSE values of 0,297°C for temperature model and 2,862% for humidity model.