Sistem Pemantauan Tanaman Otomatis Berbasis Machine Learning untuk Deteksi Penyakit Tanaman Dini Menggunakan Sensor BH1750, DHT22, dan Kelembaban Tanah

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pemantauan tanaman otomatis yang menggunakan algoritma machine learning untuk deteksi penyakit tanaman secara dini, dengan memanfaatkan data yang dikumpulkan dari tiga sensor, yaitu BH1750 (sensor cahaya), DHT22 (sensor suhu dan kelembaban udara), dan sensor kelembaban tanah. Sistem ini memungkinkan pemantauan kondisi tanaman secara real-time dan memberikan peringatan dini kepada petani ketika tanaman menunjukkan tanda-tanda stres atau penyakit. Data yang diperoleh dari ketiga sensor diproses menggunakan algoritma Random Forest, yang telah terbukti efektif dalam klasifikasi kondisi tanaman. Hasil pengujian menunjukkan bahwa model ini memiliki akurasi sebesar 85%, dengan nilai precision, recall, dan F1-score yang tinggi untuk masing-masing kondisi tanaman yang terdeteksi. Sistem ini dapat menjadi solusi inovatif dalam pertanian untuk meningkatkan efisiensi dan produktivitas, serta mengurangi kerugian akibat penyakit tanaman. Penelitian ini juga memberikan rekomendasi untuk pengembangan lebih lanjut, seperti integrasi data eksternal dan penerapan sistem real-time yang lebih canggih.