SlideShare a Scribd company logo

1-zv2Thh900fnv_bslVdRio9ojEMA3DO2lH0DSVPlzYM.pptx

Kita mengapload harus baik dan benar

1 of 23
Download to read offline
ASALAMUALAIKUM WARAHMATULLAHI WABARAKATUH
NAMA:LA ODE MUHAMAD IHSANUDIN
NIM:Q1A123043
JURUSAN:ILMU DAN TEKNOLOGI PANGAN
KELAS:B
TUGAS PPT
TEKNOLOGI
INFORMASI
aplikasi kecerdasan
buatan dibidang
pertanian
By ihsanudin
Jurnal
By Claudia Alves
Nasion
al
Abstract
Abstrak— Industri pakan merupakan konsumen terbesar jagung di Indonesia, keberadaanya diperlukan untuk
mendukung pertumbuhan industri peternakan yang harus bersaing dengan produk peternakan impor. Produksi
jagung Indonesia dari tahun ke tahun mengalami peningkatan yang disertai dengan peningkatan konsumsi
jagung terutama untuk industri. Dengan demikian, prediksi produksi jagung perlu dilakukan dengan akurat,
sehingga dapat memudahkan industri pengolahan pangan dalam proses pengambilan keputusan terkait
kebutuhan jagung. Metode estimasi seperti Support Vector Regression (SVR) juga merupakan salah satu metode
estimasi yang handal, namun belum pernah diuji coba untuk prediksi produksi jagung. Pada prinsipnya SVR
merupakan pengembangan dari ANN yang tidak dapat menjamin dihasilkannya sebuah hyperplane yang paling
optimum. SVR dapat berkeja dengan baik pada dataset yang berdimensi tinggi dan tidak perlu melatih seluruh
data. SVR memiliki kelebihan dalam hal generalisasi sehingga mampu melakukan pembelajaran terhadap data
baru yang tidak termasuk dalam proses pelatihannya, mampu melakukan pembelajaran dengan baik pada
dataset yang jumlah datanya lebih besar dari pada dimensinya (curse of dimensionality), dan tidak bersifat black
PENDAHULU
AN
Sektor pertanian memiliki peran sentral dalam upaya
pemerintah untuk mengurangi kemiskinan dan
mencapai pertumbuhan ekonomi yang stabil di
Indonesia. Jagung, sebagai tanaman pangan utama
setelah padi, memiliki peran strategis dalam
mendukung kehidupan masyarakat. Tradisionalnya,
jagung tumbuh di lahan kering pada musim hujan dan
jarang ditanam di lahan sawah dengan pengairan
terbatas.

Recommended

Sistem informasi prediksi harga kebutuhan bahan pokok
Sistem informasi prediksi harga kebutuhan bahan pokokSistem informasi prediksi harga kebutuhan bahan pokok
Sistem informasi prediksi harga kebutuhan bahan pokokAbdul Fauzan
 
Model simulasi combine dengan prediksi hasil panen padi
Model simulasi combine dengan prediksi hasil panen padiModel simulasi combine dengan prediksi hasil panen padi
Model simulasi combine dengan prediksi hasil panen padiAgus Hermansyah
 
Data produksi kedelai dr tahun 1990 2006
Data produksi kedelai dr tahun 1990 2006Data produksi kedelai dr tahun 1990 2006
Data produksi kedelai dr tahun 1990 2006budihariyadi
 
Data produksi kedelai dr tahun 1990 2006
Data produksi kedelai dr tahun 1990 2006Data produksi kedelai dr tahun 1990 2006
Data produksi kedelai dr tahun 1990 2006budihariyadi
 
KASUS JURNAL TQM DALAM MANAJEMEN PENYEDIAAN; “Production and Supply Optimizat...
KASUS JURNAL TQM DALAM MANAJEMEN PENYEDIAAN; “Production and Supply Optimizat...KASUS JURNAL TQM DALAM MANAJEMEN PENYEDIAAN; “Production and Supply Optimizat...
KASUS JURNAL TQM DALAM MANAJEMEN PENYEDIAAN; “Production and Supply Optimizat...Erwan Cipto Priyatmoko
 
Review Seminar Biner 4.0
Review Seminar Biner 4.0Review Seminar Biner 4.0
Review Seminar Biner 4.0RaffiDarmawan1
 
2 Information and Nursing Practice.pptx
2 Information and Nursing Practice.pptx2 Information and Nursing Practice.pptx
2 Information and Nursing Practice.pptxYunusElon2
 
Tips Penulisan LATAR BELAKANG_compressed.pdf
Tips Penulisan LATAR BELAKANG_compressed.pdfTips Penulisan LATAR BELAKANG_compressed.pdf
Tips Penulisan LATAR BELAKANG_compressed.pdfAnaGokiel
 

More Related Content

Similar to 1-zv2Thh900fnv_bslVdRio9ojEMA3DO2lH0DSVPlzYM.pptx

PPT SEMINAR PROPOSAL DZUHRI
PPT SEMINAR PROPOSAL DZUHRIPPT SEMINAR PROPOSAL DZUHRI
PPT SEMINAR PROPOSAL DZUHRIDzuhri06
 
Konsep pertanian modern
Konsep pertanian modernKonsep pertanian modern
Konsep pertanian modernAntoniusMoruk
 
Manajemen Agro industri
Manajemen Agro industriManajemen Agro industri
Manajemen Agro industriAhya Alamsyah
 
RENSTRA LITABMAS 2014
RENSTRA LITABMAS 2014RENSTRA LITABMAS 2014
RENSTRA LITABMAS 2014lppmupnjatim
 
PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...
PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...
PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...Carwoto Sa'an
 
Fauziah, hapzi ali, tugas kelompok sistem informasi manajemen
Fauziah, hapzi ali, tugas kelompok sistem informasi manajemenFauziah, hapzi ali, tugas kelompok sistem informasi manajemen
Fauziah, hapzi ali, tugas kelompok sistem informasi manajemenfauziah_fauziah
 
PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...
PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...
PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...Yadih Si
 
Manajemen usaha pelayanan jasa alat mesin
Manajemen usaha pelayanan jasa alat mesinManajemen usaha pelayanan jasa alat mesin
Manajemen usaha pelayanan jasa alat mesinKhairul Amri
 
[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...
[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...
[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...yoedha pamungkas
 
PPT GIZI KEBIJAKAN SURV Kasie Prov.pptx
PPT GIZI KEBIJAKAN SURV Kasie Prov.pptxPPT GIZI KEBIJAKAN SURV Kasie Prov.pptx
PPT GIZI KEBIJAKAN SURV Kasie Prov.pptxssuserd3e114
 
Analisis usaha industri emping melinjo
Analisis usaha industri emping melinjoAnalisis usaha industri emping melinjo
Analisis usaha industri emping melinjoTitan Net
 
Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...
Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...
Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...RaihanAbid1
 
FADJAR-SEMINAR PROPOSAL.pptx
FADJAR-SEMINAR PROPOSAL.pptxFADJAR-SEMINAR PROPOSAL.pptx
FADJAR-SEMINAR PROPOSAL.pptxRicaSugandi
 
sistem pelayanan kesehatan berbasis web gowa
sistem pelayanan kesehatan berbasis web gowasistem pelayanan kesehatan berbasis web gowa
sistem pelayanan kesehatan berbasis web gowafunsherlyind
 

Similar to 1-zv2Thh900fnv_bslVdRio9ojEMA3DO2lH0DSVPlzYM.pptx (20)

PPT SEMINAR PROPOSAL DZUHRI
PPT SEMINAR PROPOSAL DZUHRIPPT SEMINAR PROPOSAL DZUHRI
PPT SEMINAR PROPOSAL DZUHRI
 
Konsep pertanian modern
Konsep pertanian modernKonsep pertanian modern
Konsep pertanian modern
 
ppt proposaL AmAr.pptx
ppt proposaL AmAr.pptxppt proposaL AmAr.pptx
ppt proposaL AmAr.pptx
 
AGRICOOLTURE!
AGRICOOLTURE!AGRICOOLTURE!
AGRICOOLTURE!
 
Rdhp upbs jagung 2018
Rdhp upbs jagung 2018Rdhp upbs jagung 2018
Rdhp upbs jagung 2018
 
Digitalisasi Pertanian
Digitalisasi PertanianDigitalisasi Pertanian
Digitalisasi Pertanian
 
Manajemen Agro industri
Manajemen Agro industriManajemen Agro industri
Manajemen Agro industri
 
RENSTRA LITABMAS 2014
RENSTRA LITABMAS 2014RENSTRA LITABMAS 2014
RENSTRA LITABMAS 2014
 
Research 020
Research 020Research 020
Research 020
 
PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...
PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...
PENGEMBANGAN DAN IMPLEMENTASI SISTEM INFORMASI JEJARING RUJUKAN KEGAWATDARURA...
 
Fauziah, hapzi ali, tugas kelompok sistem informasi manajemen
Fauziah, hapzi ali, tugas kelompok sistem informasi manajemenFauziah, hapzi ali, tugas kelompok sistem informasi manajemen
Fauziah, hapzi ali, tugas kelompok sistem informasi manajemen
 
PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...
PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...
PEMODELAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT TANAMAN JAGUNG MENGGUNKAN METO...
 
Manajemen usaha pelayanan jasa alat mesin
Manajemen usaha pelayanan jasa alat mesinManajemen usaha pelayanan jasa alat mesin
Manajemen usaha pelayanan jasa alat mesin
 
Review seminar Biner 4.0
Review seminar Biner 4.0Review seminar Biner 4.0
Review seminar Biner 4.0
 
[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...
[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...
[journal] Analisis Risiko dan Peluang Artificial Intelligence dalam Proses Bi...
 
PPT GIZI KEBIJAKAN SURV Kasie Prov.pptx
PPT GIZI KEBIJAKAN SURV Kasie Prov.pptxPPT GIZI KEBIJAKAN SURV Kasie Prov.pptx
PPT GIZI KEBIJAKAN SURV Kasie Prov.pptx
 
Analisis usaha industri emping melinjo
Analisis usaha industri emping melinjoAnalisis usaha industri emping melinjo
Analisis usaha industri emping melinjo
 
Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...
Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...
Analisis Implementasi Aplikasi Konsep Basis Data Relasional Pada Sistem Pengg...
 
FADJAR-SEMINAR PROPOSAL.pptx
FADJAR-SEMINAR PROPOSAL.pptxFADJAR-SEMINAR PROPOSAL.pptx
FADJAR-SEMINAR PROPOSAL.pptx
 
sistem pelayanan kesehatan berbasis web gowa
sistem pelayanan kesehatan berbasis web gowasistem pelayanan kesehatan berbasis web gowa
sistem pelayanan kesehatan berbasis web gowa
 

1-zv2Thh900fnv_bslVdRio9ojEMA3DO2lH0DSVPlzYM.pptx

  • 1. ASALAMUALAIKUM WARAHMATULLAHI WABARAKATUH NAMA:LA ODE MUHAMAD IHSANUDIN NIM:Q1A123043 JURUSAN:ILMU DAN TEKNOLOGI PANGAN KELAS:B
  • 5. Abstract Abstrak— Industri pakan merupakan konsumen terbesar jagung di Indonesia, keberadaanya diperlukan untuk mendukung pertumbuhan industri peternakan yang harus bersaing dengan produk peternakan impor. Produksi jagung Indonesia dari tahun ke tahun mengalami peningkatan yang disertai dengan peningkatan konsumsi jagung terutama untuk industri. Dengan demikian, prediksi produksi jagung perlu dilakukan dengan akurat, sehingga dapat memudahkan industri pengolahan pangan dalam proses pengambilan keputusan terkait kebutuhan jagung. Metode estimasi seperti Support Vector Regression (SVR) juga merupakan salah satu metode estimasi yang handal, namun belum pernah diuji coba untuk prediksi produksi jagung. Pada prinsipnya SVR merupakan pengembangan dari ANN yang tidak dapat menjamin dihasilkannya sebuah hyperplane yang paling optimum. SVR dapat berkeja dengan baik pada dataset yang berdimensi tinggi dan tidak perlu melatih seluruh data. SVR memiliki kelebihan dalam hal generalisasi sehingga mampu melakukan pembelajaran terhadap data baru yang tidak termasuk dalam proses pelatihannya, mampu melakukan pembelajaran dengan baik pada dataset yang jumlah datanya lebih besar dari pada dimensinya (curse of dimensionality), dan tidak bersifat black
  • 6. PENDAHULU AN Sektor pertanian memiliki peran sentral dalam upaya pemerintah untuk mengurangi kemiskinan dan mencapai pertumbuhan ekonomi yang stabil di Indonesia. Jagung, sebagai tanaman pangan utama setelah padi, memiliki peran strategis dalam mendukung kehidupan masyarakat. Tradisionalnya, jagung tumbuh di lahan kering pada musim hujan dan jarang ditanam di lahan sawah dengan pengairan terbatas.
  • 7. Industri pakan menjadi konsumen terbesar jagung di Indonesia, krusial dalam mendukung pertumbuhan industri peternakan dan bersaing dengan produk impor. Peningkatan produksi jagung disertai dengan lonjakan konsumsi, khususnya oleh industri. Seiring berkembangnya industri pengolahan pangan, permintaan jagung terus meningkat. Oleh karena itu, prediksi produksi jagung yang akurat menjadi penting untuk memfasilitasi pengambilan keputusan terkait kebutuhan jagung dalam industri pengolahan pangan. Ketidaklancaran analisis prediksi hasil tanaman jagung di Indonesia disebabkan oleh kekurangan sistem terkomputerisasi. Dalam dunia Teknologi Informasi (TI), teknik data mining, termasuk Autoregressive Integrated Moving Average (ARIMA) Box- Jenkins, umumnya digunakan untuk mengatasi tantangan tersebut. Meskipun ARIMA kerap diterapkan dalam pemodelan time series untuk peramalan produksi jagung, kendala muncul ketika data yang diperoleh relatif kecil, sulit memenuhi asumsi-asumsi analisis statistik klasik, dan inferensi statistik terhadap parameter model tidak dapat dilakukan secara optimal. Oleh karena itu, diperlukan pendekatan nonparametrik seperti metode Bootstrap. Metode Bootstrap, berbasis komputer, membantu mengestimasi berbagai kuantitas statistik dan distribusi suatu statistik tanpa bergantung pada asumsi-asumsi klasik, meningkatkan akurasi analisis peramalan produksi jagung. Estimasi produksi jagung telah diuji menggunakan metode seperti Linear Regresi dan Artificial Neural Network (ANN) dengan variabel input seperti luas lahan dan curah hujan. Penelitian ini juga mencakup estimasi luas lahan jagung dan produktivitas tebu dengan menggunakan variabel input berupa curah hujan, area tambah tanam, dan luas lahan. Hasil penelitian menunjukkan bahwa penerapan Linear Regresi tidak mengungguli kinerja Artificial Neural Network (ANN). Selain
  • 8. II. STUDI PUSTAKA Jagung memiliki peran krusial sebagai salah satu tanaman pangan utama yang menghasilkan karbohidrat penting di dunia, bersaing dengan gandum dan padi. Saat ini, jagung juga menjadi komponen vital dalam pakan ternak. Selain itu, jagung digunakan sebagai sumber minyak pangan dan bahan dasar tepung maizena. Berbagai produk turunan dari jagung menjadi bahan baku untuk industri farmasi, kosmetika, dan kimia. Data Mining merupakan proses yang memanfaatkan teknik statistik, matematika, kecerdasan buatan, danpembelajaran mesin untuk mengekstrak dan mengidentifikasi informasi berharga serta pengetahuan terkait daridatabase besar. Istilah "data mining" mencerminkan inti dari suatu disiplin ilmu yang fokus pada pencarian, penggalian, atau penambangan pengetahuan dari data atau informasi yang tersedia. Seringkali disebut sebagai Knowledge Discovery in Database (KDD), data mining melibatkan pengumpulan dan penggunaan data historis untuk menemukan pola, keteraturan, atau hubungan dalam volume besar data. (Mujib Ridwan, dkk. 2013). Dalam machine learning, Support Vector Machine (SVM) adalah model supervised learning yang digunakan untuk analisis data, pattern recognition, dan dapat digunakan untuk klasifikasi serta regresi [22]. Dalam konteks regresi, SVM berkembang menjadi Support Vector Regression (SVR) [15]. Vapnik, bersama Boser & Guyon, memperkenalkan SVM pertama kali pada tahun 1992, menggabungkan konsep-konsep unggulan seperti margin
  • 9. III. METODE Metode penelitian yang digunakan adalah studi kasus. Jenis penelitian ini adalah penelitian terapan. Dipandang dari data yang diolah, penelitian ini merupakan penelitian kuantitatif. Objek penelitian ini adalah hasil produksi tanaman jagung di Indonesia menggunakan teknik dokumentasi, yaitu dengan mengunduh data publik produksi jagung di Indonesia.
  • 10. IV. HASIL DAN PEMBAHASAN 1. Tampilan Halaman Home sistem Prediksi Produksi Jagung menggunakan metode Support Vector Regression (SVR) Gambar 1. Halaman ini muncul saat sistem baru pertama kali dijalankan dan berisi penjelasan mengenai produksi jagung, data mining, serta algoritma Support Vector Regression. 2. Tampilan Halaman Data Jagung (Gambar 2) dapat diakses melalui menu Data Jagung. Pada halaman ini, pengguna dapat memasukkan data produksi jagung, termasuk tahun, luas lahan panen (dalam satuan ha), dan data produksi jagung pada tahun tersebut. Selain itu, pengguna dapat melihat tabel produksi jagung berdasarkan tahun, mengedit data produksi jagung, dan menghapus data produksi jagung. Pembahasan sistem
  • 11. 3. Tampilan Halaman Hasil Prediksi (Gambar 3) akan muncul setelah pengguna memasukkan data baru berupa tahun dan luas lahan panen, seperti yang terlihat pada Gambar 5.7. Halaman ini menampilkan hasil prediksi jumlah produksi jagung dalam satuan ton setelah proses prediksi selesai. 4. Tampilan Halaman Hasil MAPE (Gambar 4) menampilkan hasil Mean Absolute Percentage Error (MAPE) dan tingkat akurasi dalam bentuk persentase. Hal ini memberikan informasi mengenai seberapa akurat prediksi
  • 12. V. KESIMPULAN 13,623%. 1. Hasil penelitian menunjukkan bahwa penerapan Algoritma Support Vector Regression dalam memprediksi hasil tanaman jagung di Indonesia memberikan tingkat akurasi yang baik, meskipun tingkat error MAPE masih sebesar 13,623%. 2. Kesimpulan ini memberikan gambaran bahwa metode Support Vector Regression dapat menjadi alternatif yang efektif dalam melakukan prediksi produksi jagung, namun perlu diingat bahwa hasil ini tetap dapat ditingkatkan dengan mempertimbangkan faktor-faktor lain yang memengaruhi produksi jagung.
  • 14. Abstract The researcher is planning to implement an effective agriculture monitoring system aimed at increasing harvest yield. The effort involves planning and constructing a system that benefits the community by understanding local conditions, selecting suitable plant types for the environment, and providing various information. This AI implementation incorporates technologies like IoT and utilizes a Farming System Analysis matrix with variables related to soil, plants, animals, tools, labor, capital, and overall agricultural efforts. Given the current challenges in the agriculture sector, such as difficulties in choosing suitable land, the proposed system aims to address these issues. The study suggests that the application of artificial intelligence can streamline farming processes, offer valuable information from planting to harvesting, and reduce failures in the harvest. Additionally, it can contribute to fulfilling farmers' food needs and facilitating market access for their produce.
  • 15. PENDAHULU AN Sektor pertanian di Indonesia memegang peranan penting dalam perekonomian negara, menduduki posisi pertama setelah industri pengolahan (Burhan, 2018). Dampak positifnya mencakup peningkatan reputasi Indonesia, khususnya dalam konteks agraris, yang dapat memberikan kontribusi signifikan untuk memperbaiki citra negara. Penelitian ini bertujuan untuk merancang sistem pemantau yang dapat membantu masyarakat dalam meningkatkan efektivitas perawatan dan penanaman, serta mengatasi permasalahan dan kekurangan dalam pertanian. Seiring dengan perkembangan teknologi, pemanfaatan teknologi memberikan dampak positif pada pertanian di Indonesia. Selain itu, biaya operasional para petani semakin terjangkau, sementara hasil produksi meningkat. Rancangan dan pembangunan sistem pemantau pertanian ini juga memberikan informasi tentang jenis tumbuhan yang sesuai dengan kondisi lingkungan setempat, kondisi lahan, serta sistem otomatis untuk pengaturan suhu, penyiraman, dan berbagai kegiatan pertanian menggunakan teknologi Internet of Things (IoT) (Setiadi &
  • 16. III. METODOLOGI Penelitian mengenai implementasi kecerdasan buatan ini menggunakan metode deskriptif, sementara untuk mendapatkan sampel data yang diteliti, digunakan metode survei langsung dalam pengumpulan data. Proses dalam penelitian ini dimodelkan dengan kumpulan use case dan aktor, serta hubungan yang dijelaskan dalam diagram. Use case tersebut disertai dengan penjelasan dan uraian yang mendetail mengenai masing-masing use case terkait. Setelah melakukan observasi pembuatan sistem pemantau pertanian (E-Tani), diperlukan beberapa perangkat keras, seperti sensor suhu dan kelembaban, dan perangkat lunak berupa aplikasi seluler atau situs web (mobile apps atau WEB) untuk menghubungkan sistem dengan petani. E-Tani sendiri merupakan sistem yang berbasis teknologi Internet of Things (IoT) (Nasution, Rizal, Setiawan, & Hasan, 2020). Penelitian ini juga menggunakan Farming System Analysis (FSA), yang merupakan matriks variabel di bidang pertanian yang berkaitan erat, seperti tanah, tanaman, hewan, alat, tenaga
  • 17. Adapun gambaran use case pada sistem informasi pertanian berbasis komputer (e-Tani) seperti terlihat pada Gambar 1. Berdasarkan hasil observasi, pembuatan sistem E-Tani membutuhkan perangkat keras, termasuk sensor kelembaban, sensor suhu, sensor kandungan air, kipas, pompa air, dan modul control system. Selain itu, diperlukan perangkat keras berupa Aplikasi Mobile atau Mobile Apps serta Web untuk interaksi antara petani dan sistem. Sistem E-Tani, yang merupakan e-farming berbasis IoT, dirancang untuk mengelola lahan pertanian berdasarkan jenis dan kondisi tanaman, serta melakukan pengiriman parameter dari lahan tanam. Sistem ini secara otomatis mengatur kondisi lingkungan, seperti pengaturan penyiraman tanaman dan pengaturan suhu. Diagram blok sistem E-Tani dapat dilihat pada Gambar 2.
  • 18. IV. HASIL DAN PEMBAHASAN Perancangan sistem pemantau E-Tani memberikan manfaat besar bagi para petani, memungkinkan mereka untuk memantau lahan pertanian secara langsung melalui sistem yang ada. Sistem ini dilengkapi dengan fitur-fitur penting seperti sensor yang berfungsi sebagai indikator pengambilan data yang nantinya diolah oleh perangkat lunak di website. Software tersebut berupa aplikasi website dengan tujuan mempermudah para petani dalam kegiatan pertanian. Selain itu, software ini bertujuan memberikan informasi terkait kondisi suhu, kelembaban udara, kondisi tanah, pencatatan tanggal panen, jenis tanaman yang dipanen, dan informasi mengenai penyiraman dan pemupukan. Semua informasi tersebut menjadi krusial bagi petani dalam mengelola pertanian mereka.
  • 19. Data-data di atas merupakan data-data yang sangat dibutuhkan oleh petani, data-data di atas juga didapatkan secara real time,dan bisa berubah sewaktu-waktu, tergantung saat pengecekan. Berikut list data yang berisikan data-data mengenai informasi-informasi untuk membantu petani dalam hal bertani. Berikut adalah daftar data suhu, kelembapan udara, dan kondisi kelembaban tanah untuk Desa Papandayan pada tanggal dan waktu yang tertera: 1. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 08-09-2019 11.59 2. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 10-09-2019 11.59 3. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 11-09-2019 11.59 4. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 12-09-2019 11.59 5. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 13-09-2019 11.59 6. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 14-09-2019 11.59 7. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Basah, 17-09-2019 11.59 8. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 18-09-2019 11.59 9. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Lembah, 19-09-2019 11.59 10. Desa Papandayan, 24 derajat Celcius, k40%, Tanah Basah, 20-09-2019 11.59 Data ini memberikan informasi mengenai suhu udara, kelembapan udara, dan kondisi kelembaban tanah di Desa Papandayan pada waktu-waktu yang berbeda. Data real-
  • 20. V. KESIMPULAN Sistem E-Tani memiliki keunggulan dalam menghasilkan data pengamatan suhu dan kelembaban udara yang akurat dan real-time. Kelebihan utama dari sistem ini adalah kemampuannya untuk memantau data tanpa ada batasan jarak dan waktu. Hal ini dicapai melalui penggunaan sistem pemantau berbasis teknologi Internet of Things (IoT) dan Farming System Analysis (FSA). FSA merupakan variabel matriks di bidang pertanian yang saling berhubungan, termasuk tanah, tanaman, hewan, alat, tenaga kerja, modal, dan usaha pertanian, menciptakan ketergantungan yang saling mendukung dalam mengoptimalkan hasil pertanian. Perancangan sistem pemantau E-Tani membawa manfaat signifikan bagi para petani dengan membantu meningkatkan efektivitas perawatan dan penanaman, yang pada akhirnya dapat berkontribusi pada peningkatan hasil panen. Dengan memberikan akses real-time terhadap data seperti suhu dan kelembaban udara, kondisi tanah, dan faktor-faktor pertanian lainnya, E-Tani memungkinkan para petani untuk mengambil keputusan yang lebih tepat dan merencanakan kegiatan
  • 21. VI. SARAN Saran-saran untuk pengembangan aplikasi eTani setelah menyelesaikan penelitian ini mencakup: 1. **Eksplorasi Metode Lain:** - Melakukan pengembangan aplikasi e-Tani dengan mengeksplorasi metode lain dalam penelitian untuk mendapatkan metode yang lebih optimal. 2. **Dukungan untuk Sistem Operasi Lain:** - Memperluas aplikasi e-Tani agar mendukung sistem operasi selain Android pada perangkat mobile, untuk meningkatkan ketersediaan dan aksesibilitasnya. 3. **Mode Offline:** - Mengembangkan aplikasi e-Tani agar dapat berjalan dan dioperasikan secara offline oleh petani, mempertimbangkan kemungkinan keterbatasan konektivitas di beberapa daerah pertanian. 4. **Peningkatan Keamanan Data:** - Menambahkan lapisan keamanan data dengan mengimplementasikan enkripsi dan dekripsi, memastikan keamanan data petani, lahan, tanah, dan alat yang digunakan. Pengembangan berkelanjutan ini dapat meningkatkan fungsionalitas, kinerja, dan keamanan aplikasi eTani, sehingga dapat memberikan manfaat yang lebih besar kepada para petani dan
  • 22. Sekian Dari saya Jika ada salah kata atau hasil ppt saya yang kurang baik, mohon dikoreksi dan kasih bimbingannya.sekian terima kasih by. Ihsanudin