SISTEM PEMANTAUAN DAN PENGENDALIAN NUTRISI HIDROPONIK DENGAN ARTIFICIAL NEURAL NETWORK (ANN) BERBASIS INTERNET OF THINGS (IOT)

Penelitian ini merancang sistem kontrol dan monitoring hidroponik berbasis
Internet of Things (IoT) yang memanfaatkan Artificial Neural Network (ANN)
untuk optimasi pH dan Parts Per Million (PPM). Model ANN (arsitektur 2;7;3,
backpropagation gradient descent with momentum) yang diprogram secara
manual menunjukkan akurasi prediksi lebih baik (R > 0.99 untuk training,
validation, dan testing) dibandingkan ANN Toolbox MATLAB, berkat optimasi
parameter pelatihan. Implementasi terhadap perangkat keras Portenta H7M7,
model ANN berhasil memprediksi durasi aksi pH Up (MAPE ~1.4%), pH Down
(MAPE ~3.2%), dan AB Mix (MAPE ~7.9%), dengan rata-rata kesalahan rendah,
serta menunjukkan kecepatan komputasi yang responsif (rata-rata 17.7
mikrosekon), menjadikannya kapabel untuk operasi real-time. Secara
keseluruhan, sistem kontrol ini berhasil menyesuaikan parameter larutan ke
rentang target dengan tingkat keberhasilan 88,89%, didukung oleh korelasi kuat (r
> 0.7) antara durasi pompa dan perubahan parameter yang dituju. Pengujian
keandalan komunikasi data IoT melalui protokol MQTT menunjukkan performa
yang baik dengan 0% packet loss, delay rata-rata 201.2 ms, dan jitter rata-rata
57.18 ms, memastikan pengiriman data sensor pH dan PPM secara utuh, real
time, dan tersimpan pada database MySQL serta antarmuka aplikasi android tanpa
gangguan, meskipun throughput terbatas akibat beban kerja perangkat. Hasil ini
mengonfirmasi efektivitas dan keandalan sistem ANN dalam mengoptimalkan
kondisi hidroponik, terutama pada lingkungan yang mendekati nilai ideal.
Kata Kunci: Hidroponik, Internet of Things (IoT), Artificial Neural Network
(ANN), MQTT, Portenta H7M7, pH, PPM.