Prediksi Suhu Udara dari Cooling Pad pada Evaporative Cooling di dalam Rumah Tanaman Menggunakan Jaringan Saraf Tiruan

Abstract

Kondisi lingkungan rumah tanaman yang mendekati ideal dapat direkayasa dengan menerapkan pengaturan pada berbagai parameter lingkungan yang mempengaruhi pertumbuhan tanaman. Satu diantara parameter penting adalah suhu udara di dalam rumah tanaman. Udara dalam rumah tanaman berasal dari udara yang keluar dari cooling pad, sehingga diperlukan prediksi suhu udara dari cooling pad. Penelitian ini bertujuan mengembangkan model prediksi suhu udara yang keluar dari cooling pad pada evaporative cooling menggunakan Jaringan Saraf Tiruan (JST) dengan backpropagation algorithm. Penelitian ini dilakukan pada rumah tanaman yang dilengkapi sistem evaporative cooling dan sistem kontrol adaptif. Air pada sistem evaporative cooling didinginkan oleh chiller, kemudian dialirkan menuju cooling pad. Namun evaporative cooling memerlukan rekayasa sistem pendinginan air sehingga dapat menurunkan suhu udara yang keluar dari cooling pad. Penelitian ini dilakukan dalam dua experimental run pada sistem pendinginan air untuk membandingkan dan menemukan model prediksi terbaik pada setiap percobaan. Model prediksi JST experimental run 1 mampu memprediksi suhu udara dari cooling pad lebih baik daripada model prediksi JST experimental run 2. Nilai MAE, RMSE, dan R2 pada experimental run 1 masing masing adalah 0,47°C; 0,65°C; dan 0,7379. Sedangkan nilai MAE, RMSE, dan R2 pada experimental run 2 sebesar 0,50°C; 0,68°C; dan 0,7011.

Greenhouse environmental conditions close to ideal can be engineered by adjusting various environmental parameters influencing plant growth. One of the critical parameters is the air temperature in the greenhouse. The air in the greenhouse comes from the air coming out of the cooling pad, so it is necessary to predict the temperature of the air. This research aims to develop a prediction model for the air temperature leaving the cooling pad in evaporative cooling using Artificial Neural Networks (ANN) with a backpropagation algorithm. This research was conducted in a greenhouse with evaporative cooling and adaptive control systems. The chiller cools the water in the evaporative cooling system and then flows to the cooling pad. However, evaporative cooling requires engineering a water-cooling system to reduce the temperature of the air coming out of the cooling pad. This research was conducted in two experimental runs on the water-cooling system to compare and find the best prediction model in each experiment. The ANN prediction model for experiment run 1 could predict the air temperature of the cooling pad better than the ANN prediction model for experiment run 2. MAE, RMSE, and R2 values in experiment run 1 were 0.47°C, 0.65°C, and 0.7379, respectively, while MAE, RMSE, and R2 values in experiment 2 were 0.50°C, 0.68°C, and 0.7011.