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.