Pemodelan Jaringan Saraf Tiruan Backpropagation untuk Pengaturan Larutan Nutrisi Hidroponik Nutrient Film Technique

Abstract

Perserikatan Bangsa-Bangsa memprediksikan populasi seluruh dunia pada tahun 2050 sebesar 9.7 miliar orang. Lebih dari setengah populasi manusia hidup di daerah perkotaan pada tahun 2016 dan akan terus bertambah. Semakin bertambahnya populasi manusia di perkotaan dapat mempengaruhi kehidupan, salah satunya pertanian. Model pertanian yang dapat diimplementasikan di daerah perkotaan adalah hidroponik. Kualitas dan kuantitas pada hidroponik dapat ditingkatkan apabila larutan nutrisi yaitu EC (Electrical Conductivity) dan derajat keasaman (pH) diatur sesuai dengan kebutuhan tanaman. Pengontrolan larutan nutrisi hidroponik dapat dilakukan dengan menggunakan aturan yang diterapkan pada sensor, tetapi membutuhkan daya besar, karena melakukan pendeteksian EC dan pH level secara terus menerus. Algoritme Jaringan Saraf Tiruan (JST) backpropagation dalam pendeteksian EC dan pH level dilakukan hanya sekali dalam periode pengecekan, sehingga mampu menghemat penggunaan daya. Model terbaik yang didapatkan dari JST backpropagation adalah dengan parameter, 1 hidden layer, 8 neuron hidden layers, learning rate 0.8, menghasilkan Mean Square Error (MSE) sebesar 47.418 x 10-3. Root Mean Square Error (RMSE) yang didapatkan, 9.43 untuk Pompa A, 5.38 untuk Pompa B, 1.4 untuk Pompa C, 1.41 untuk Pompa D. Tingkat akurasi yang didapatkan 90.05% untuk Pompa A, 90.78% untuk Pompa B dan 91.35% untuk Pompa C dan 91.25% untuk Pompa D. Dari hasil penelitian penggunaan daya untuk JST lebih sedikit dibandingkan dengan pengaturan larutan nutrisi berdasarkan aturan dari sensor dengan total rata-rata penggunaan daya untuk JST backpropagation 68.43% lebih kecil.