| dc.description.abstract | Rumah tanaman merupakan bangunan untuk membudidayakan tanaman pertanian dengan parameter iklim mikro yang dapat dikendalikan, seperti suhu udara dan kelembaban udara. Peningkatan suhu udara akibat greenhouse effect telah berhasil dikurangi melalui penggunaan sistem pendingin seperti evaporasi dan water chiller. Untuk tanaman-tanaman yang sensitif terhadap suhu udara rendah, seperti Purwoceng, pembudidayaan di dalam rumah tanaman memerlukan pengendalian yang ketat berupa teknologi kontrol otomatis. Beberapa teknologi kontrol berbasis model dan sensor, telah dikembangkan dan bekerja cukup baik secara simulasi maupun penerapan. Namun penempatan sensor yang tidak representatif, perubahan cuaca terhadap aktivitas kontrol dan tingginya penggunaan energi listrik masih menjadi persoalan dalam upaya memaksimalkan pertumbuhan tanaman pada rumah tanaman di wilayah tropika.
Penelitian ini bertujuan mengembangkan sistem kontrol suhu udara yang adaptif terhadap perubahan cuaca, dengan lokasi penempatan sensor yang representatif dan efisien dalam penggunaan energi listrik. Penelitian berlangsung selama 10 bulan pada rumah tanaman type arch berukuran 8x24 m2, di Laboratorium Lapangan Siswadi Soepardjo, Departemen Teknik Mesin dan Biosystem IPB. Penelitian dilakukan dalam empat tahapan yaitu identifikasi sebaran suhu udara dan penentuan lokasi sensor di dalam rumah tanaman, pengembangan model adaptif berbasis data history, rancang bangun teknologi kontrol berbasis LoRa dan implementasi sistem.
Identifikasi suhu udara diawali dengan mengukur suhu udara pada 36 titik di dalam rumah tanaman, mengolah data sebaran suhu udara, menguji asumsi ketidakseragaman data, menghitung kombinasi sensor, analisa error dan menentukan lokasi sensor. Model adaptif dibangun dengan kombinasi artificial neural network (ANN) dan genetic algoritm (GA) dengan fungsi fitness sebagai solusi untuk menemukan nilai frekuensi inverter optimum untuk mengatur kecepatan motor kipas dan mengkondisikan suhu udara di dalam rumah tanaman pada nilai target. Model ANN digunakan untuk memprediksi suhu udara, sedangkan GA dan fungsi fitness digunakan untuk menemukan nilai optimasi. Model adaptif ditempatkan pada perangkat teknologi kontrol berbasis LoRa yang terdiri dari node sensor sebagai unit pembacaan data, gateway sebagai pusat pengolahan data, dan node controller sebagai pengendali. Teknologi kontrol adaptif diimplementasikan pada rumah tanaman, dan dievaluasi performa sistem dan penggunaan energi listrik pada cuaca panas dan mendung.
Hasil penelitian menunjukkan bahwa mayoritas titik-titik di dalam rumah tanaman memiliki sebaran suhu udara yang tidak seragam, berdasarkan profil suhu dan uji non-parametrik. Pengujian error pada 4096 kombinasi lokasi menemukan titik lima memiliki nilai MAPE terkecil sehingga representatif sebagai lokasi penempatan sensor. Selanjutnya pemodelan delapan parameter iklim mikro dengan ANN menemukan struktur 7-11-1 sebagai model terbaik untuk memprediksi suhu udara di dalam rumah tanaman. Proses optimasi dengan fungsi fitness sebagai solusi menemukan nilai frekuensi inverter optimum selalu tercapai pada nilai error terkecil dan konvergen. Hasil evaluasi model setelah terintegrasi ke perangkat teknologi LoRa, menunjukkan kinerja baik di atas 90 % pada cuaca panas dan cuaca mendung, meskipun masih terjadi perbedaan suhu udara terhadap nilai target antara 0,5 derajat di cuaca mendung dan 2 derajat di cuaca panas. Kinerja sistem yang adaptif dengan kecepatan motor fan yang selalu berubah, berdampak kepada penghematan penggunaan energi listrik sebesar 18,5 % pada cuaca panas atau menghemat Rp. 1,5 juta/bulan, dan 33,9 % pada cuaca mendung atau menghemat Rp. 2,8 juta/bulan. Sistem kontrol adaptif ini cocok diterapkan pada wilayah tropika dengan cuaca yang selalu berubah seperti wilayah Bogor. | id |
