Perancangan Sistem Monitoring NPK dan pH pada Tanaman Bayam Hijau Berbasis IoT

Abstract

Perkembangan Internet of Things (IoT) telah membawa inovasi yang signifikan di berbagai bidang khususnya bidang pertanian. Salah satu alat dalam konteks ini yaitu sistem monitoring NPK dan pH pada tanaman bayam hijau berbasis IoT. Proyek akhir ini bertujuan untuk merancang dan mengimplementasikan sistem monitoring NPK dan pH berbasis IoT dengan memberikan data pembacaan secara real time dari sensor JCXT dan sensor SENO161. Metode yang digunakan pada perancangan proyek ini yaitu Waterfall. Tahapan dari metode ini yaitu analisis, desain, implementasi, pengujian dan pemeliharaan. Alat ini dikombinasikan dengan software berupa website sebagai pengumpulan dan menampilkan hasil dari pembacaan sensor. Sistem ini terhubung ke internet secara nirkabel sehingga pengguna dapat memantau kadar NPK dan pH dari jarak jauh. Pada alat ini diterapkan sebuah prediksi ketinggian tanaman bayam hijau pada umur 21 hari menggunakan analisis regresi linier berganda. Dalam regresi linier berganda pada proyek akhir ini variabel bebas berupa kadar N,P,K, dan pH serta variabel terikat yaitu tinggi bayam. Hasil pengujian alat ini menunjukkan bahwa sistem monitoring NPK dan pH pada tanaman bayam hijau dapat beroperasi dengan baik untuk memantau kadar NPK dan pH serta memprediksi ketinggian bayam umur 21 hari. Kesimpulan dari hasil penelitian menggunakan regresi linier berganda menghasilkan bahwa sebesar 91,9% variabel N,P,K dan pH berpengaruh terhadap variabel tinggi bayam. Kemudian untuk 8,1% dipengaruhi oleh variabel lain diluar model penelitian ini.

The development of the Internet of Things (IoT) has brought significant innovation in various fields, Especially agriculture. One tool in this context is an IoT-based NPK and pH monitoring system for green spinach plants. This final project aims to design and implement an IoT-based NPK and pH monitoring system by providing real time reading data from the JCXT sensor and SENO161 sensor. The method used in designing this project is waterfall. The stages of this method are analysis, design, implementation, testing and maintenance. This tool is combined with software in the form of a website to collect and display the results of sensor readings. This system connects to the internet wirelessly so users can monitor NPK and pH levels remotely. In this tool, a prediction of the height of green spinach plants at the age of 21 days is applied using multiple linear regression analysis. In the multiple linear regression in this final project the independent variables are N, P, K and pH levels and the dependent variable is spinach height. The test results of this tool show that the NPK and pH monitoring system on green spinach plants can operate well to monitor NPK and pH levels and predict the height of 21 day old spinach. The conclusion from the results of research using multiple linear regression resulted that 91.9% of the N, P, K and pH variables had an effect on the spinach height variable. Then 8.1% is influenced by other variables outside this research model.