Tesis

Smart vertical farming dengan integrasi algoritma analytical hierarchy process dan fuzzy time series (ahp-fts) untuk optimasi pertumbuhan multi-varietas tanaman / Danang Arengga Wibowo

Abstrak
Pemanasan global mengakibatkan kondisi cuaca yang tidak stabil selain itu kebutuhan pangan terus meningkat seiring dengan banyaknya jumlah penduduk. Lahan pertanian yang semakin sempit menjadi tantangan di era modern saat ini tidak seimbangnya supply and demand tersebut menjadi kendala dalam bercocok tanam. Oleh karena itu penggunaan sistem optimasi merupakan solusi untuk mengatasi permasalahan tersebut. Salah satu kendala yang ada pada Vertical Farming adalah distribusi nutrisi yang tidak merata serta kondisi media tanam pada tiap level memiliki kelembaban yang berbeda dikarenakan struktur penempatan tanaman bersusun dari bawah ke atas sehingga dalam studi kasus ini membutuhkan sistem optimasi untuk penempatan zona tanaman supaya dapat tumbuh secara optimal. Untuk mendukung sistem optimasi tersebut penggunaan algoritma Analytical Hiearachy Process (AHP) sangat baik untuk mengatasi permasalahan yang bersifat hirarki sehinga sistem pendukung keputusan terkait penempatan jenis tanaman dapat disesuaikan. Selain itu untuk menjaga kontinuitas pertumbuhan maka dibutuhkan algoritma yang dapat mengatur kondisi lingkungan tanaman secara otomatis salah satu lagoritma yang dapat diterapkan adalah fuzzy time series (FTS) Pada algoritma tersebut didesain dengan memanfatkan data time series sebagai pengatur durasi nyala aktuator sehingga pada sistem Vertical Farming memiliki variable waktu nyala pada aktuator secara otomatis sesuai dengan kebutuhan karakteristik tanaman. Studi kasus ini algoritma integrasi AHP-FTS diujicobakan pada sistem Smart Vertical Farming yang memiliki ukuran 3x3 meter dimana stuktur desain terdiri dari tiga zona yaitu kering sedang dan basah dimana masing-masing zona memiliki 3 bagian pada tiap bagian dilengkapi dengan sprayer untuk mengkondisikan media tanam. Berdasarkan uji kelayakan menggunakan Mean Absolute Percentage Error (MAPE) diuji dengan tiga skenario dimana skenario satu penggunaan data training 70% dan data testing 30% memiliki persentase error 10 69% skenario dua menggunakan data training 80% dan data testing 20% memiliki percentage error 9 09% skenario tiga menggunakan data training 90% dan data testing 10% memiliki percentage error 9 28% pada hasil uji tersebut skenario kedua adalah yang terbaik sehingga hasil yang tersebut dapat digunakan sebagai nilai setting pada sistem otomatisasi Vertical Farming.

Informasi Detail

DDC

Rt 003.56 ARF s

Prodi

Universitas Negeri Malang. Program Studi Teknik Elektro, 2023.

Deskripsi Fisik

x, 42 lembar : ilus. ; 30 cm

Bahasa

Indonesia

No Reg

00360/RT/23

Edisi

Tesis (Pascasarjana)--Universitas Negeri Malang. 2023

Subjek

1. SISTEM PENGAMBILAN KEPUTUSAN - SMART VERTICAL FARMING
2. DECISION MAKING SYSTEM - SMART VERTICAL FARMING

Pembimbing

1. Eng Siti Sendari ; 2. Aji Prasetya Wibawa

Lampiran Berkas