Identifikasi Jenis Komoditas Tanaman Berdasarkan Faktor Iklim Cuaca dengan Metode Triple Exponential Smoothing dan K-Nearest Neighbor Berbasis Internet of Things : Studi Kasus Kebun Bergizi Universitas Trilogi.

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Final_Project

Identifikasi Jenis Komoditas Tanaman Berdasarkan Faktor Iklim Cuaca dengan Metode Triple Exponential Smoothing dan K-Nearest Neighbor Berbasis Internet of Things : Studi Kasus Kebun Bergizi Universitas Trilogi.

Muhammad Jurnalies Habibie - Nama Orang - Pengarang Utama;

Kebun Bergizi Universitas Trilogi merupakan lahan pertanian yang dikelola oleh para urban farming seperti mahasiswa maupun dosen dengan tujuan mempraktikkan dalam belajar mengajar dan budidaya jenis komoditas tanaman.
Budidaya jenis komoditas tanaman dapat dilakukan dengan mencermati akan keadaan faktor iklim cuaca pada lahan. Faktor iklim cuaca merupakan salah satu penghambat keberlangsungan hasil budidaya maupun praktik dalam proses belajar mengajar. Iklim cuaca yang sering berubah setiap waktu membuat para pelaku
urban farming mendapatkan masalah dalam mengidentifikasi jenis tanaman yang tepat dalam proses bercocok tanam. Solusi tepat untuk permasalahan yang dialami para pelaku urban farming yaitu dengan membuat sistem penentuan jenis komoditas tanaman berdasarkan iklim cuaca. Internet of Things sangat berpengaruh
untuk melihat keadaan iklim cuaca pada suatu daerah dengan menerapkan metode Triple Exponential Smoothing dan K-Nearest Neighbor akan dilakukan tahapan proses forecasting serta klasifikasi. Internet of Things sebagai wadah untuk
pengambilan informasi data cuaca berupa nilai maupun grafik pola. Selanjutnya data akan dimasukan pada proses forecasting dengan menggunakan metode Triple Exponential Smoothing sebagai peramalan untuk memprediksi cuaca kedepan. Data prediksi yang didapatkan akan diproses kembali ketahap berikutnya yaitu klasifikasi dengan metode K-Nearest Neighbor untuk mengidentifikasi jenis komoditas tanaman melalui pencocokan dari tetangga terdekat.
Penelitian ini menyatakan bahwa penggunaan metode Triple Exponential Smoothing dan K-Nearest Neighbor berbasis Internet of Things dapat menjalankan sistem dengan sesuai peramalan maupun klasifikasi dengan menghasilkan MAPE dan MSE kecil. Nilai MAPE yang didapat dari masing – masing jenis tanaman terdiri dari suhu, kelembapan udara, intensitas cahaya, curah hujan, dan
kelembapan tanah yaitu sebesar 9.53 %, 16.44 %, 3.73 %, 0 %, 19.42 %.
Sedangkan, nilai MSE yang didapatkan yaitu 3.36, 6.90, 27.82, 0, dan 0.59. Perekomendasian tanaman berdasarkan nilai terendah yang didapat dari ecludian distance sebagai rekomendasi untuk jenis tanaman yang cocok untuk ditanam yaitu dengan urutan kacang hijau, semangka, kedelai, mentimun, dan lain-lain sesuai
pengurutan nilai jarak.

Ketersediaan

TI 20/008 Referensi Tersedia

Informasi Detail

Judul Seri: -
No. Panggil: TI 20/008
Penerbit: Jakarta : Universitas Trilogi., 2020
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: -
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: -
Info Detail Spesifik: -
Pernyataan Tanggungjawab: -

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

Tidak Ada Data

Komentar

Anda harus masuk sebelum memberikan komentar