Pemodelan Suhu Udara Menggunakan Decision Tree pada Smart Greenhouse

Abstract

Pertanian greenhouse konvensional seringkali menghadapi tantangan inefisiensi akibat ketergantungan pada pengendalian manual dan tingginya variabilitas kondisi lingkungan. Untuk mengatasi hal tersebut, studi ini menyajikan metode pemodelan suhu udara berbasis Decision Tree yang dirancang khusus untuk optimalisasi smart greenhouse. Penelitian ini bertujuan untuk menciptakan sistem pengelolaan suhu yang presisi dan tangguh (robust) dengan memanfaatkan integrasi jaringan sensor nirkabel dan analitik data. Metodologi penelitian meliputi akuisisi data lingkungan, pra-pemrosesan data yang ketat, serta pelatihan model untuk memprediksi fluktuasi suhu. Hasil evaluasi menunjukkan bahwa algoritma Decision Tree mengungguli model komparasi lainnya, dengan capaian akurasi tertinggi sebesar 85,52%. Selain akurasi, penelitian ini juga berhasil mengimplementasikan model tersebut ke dalam sistem tertanam (embedded system), memungkinkan prediksi real-time sebagai mekanisme cadangan (fail-safe) saat sensor fisik mengalami gangguan. Penelitian ini memberikan kontribusi signifikan terhadap efisiensi sumber daya, optimalisasi hasil panen, serta keberlanjutan praktik pertanian modern. Studi lebih lanjut disarankan untuk mengeksplorasi teknik Deep Learning dan validasi jangka panjang guna meningkatkan performa adaptif sistem.