• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

SKRIPSI DIGITAL

Implementasi Algoritma Ensemble Regresi Machine Learning Untuk Mengendalikan Kadar pH Dan Nutrisi Pada Tanaman Hidroponik Daun = Implementation Of Ensemble Regression Algorithm Of Machine Learning To Control pH And Nutrition Levels In Hydroponic Leaf Plants

ALFAN RISQI WAHYUDI - Nama Orang; Eni Dwi Wardihani - Nama Orang; HELMY - Nama Orang;

Sistem hidroponik menghadapi tantangan dalam pengendalian pH dan nutrisi karena fluktuasi akibat perubahan suhu, laju aliran nutrisi, dan kontaminasi eksternal. Ketidakstabilan ini dapat menyebabkan defisiensi unsur hara, pertumbuhan terhambat, bahkan kematian tanaman. Tugas akhir ini bertujuan mengimplementasikan algoritma ensemble machine learning yang mampu menyesuaikan variasi ukuran tandon air dan menguji rancang bangun pengendalian dibandingkan dengan perangkat pengendalian sebelumnya. Metode penelitian menggunakan pendekatan agile dengan tahapan observasi, perancangan sistem, perancangan machine learning, pembuatan sistem, dan pengujian. Sistem dikembangkan menggunakan platform ESP32 sebagai mikrokontroler utama untuk mengolah data sensor, menjalankan model prediksi, dan mengendalikan aktuator pompa
nutrisi secara otomatis. Hasil pengujian menunjukkan menggunakan metode stacking dengan menggabungkan random forest, dan decission tree meningkatkan akurasi base model multiple linear regression sebesar 1,49% dan penggabungan linear regression dengan random forest sebesar 0,66%. Pengujian selama 1 bulan pada rentang volume tandon 59 - 95 liter memperlihatkan
peningkatan akurasi pH dari 97,46% dengan tingkat presisi 94,92% menjadi 99,23% dengan tingkat presisi 99,19%. Peningkatan akurasi TDS dari 91,55% dengan tingkat presisi 91,55% menjadi 98,9% dibandingkan perangkat pengendalian sebelumnya dengan presisi sebesar 98,54%. Kontribusi penelitian ini adalah pengembangan sistem pengendalian terpisah dari perangkat pemantauan yang lebih stabil dan penerapan ensemble machine learning.


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
TE 016 2025
Penerbit
Semarang : Politeknik Negeri Semarang., 2025
Deskripsi Fisik
xvi, 133 hal. : illus. ; 30 cm.
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
hidroponik
iot
MACHINE LEARNING
esemble machine learning
pengendalian nutrisi hidroponik
Info Detail Spesifik
-
Pernyataan Tanggungjawab
ALFAN RISQI WAHYUDI
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Pengunjung Web

Hari ini : Minggu ini : Bulan ini : Total :

© 2025 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?