Implementasi Machine Learning Dalam Sistem Monitoring Tanaman Microgreen Menggunakan Algoritma Convolutional Neural Network

Sistem pertanian microgreen sebagai salah satu inovasi pertanian modern memiliki kerentanan terhadap perubahan fisik akibat dari lingkungan, yaitu kelayuan. Metode pendeteksian kelayuan secara manual membuka kemungkinan kesalahan manusia seperti kelalaian pemantauan yang bisa menyebabkan terlewatnya masa perawatan dan berkurangnya kualitas hasil panen. Beberapa model pendeteksian kelayuan telah dibuat, namun dalam area microgreen masih terbatas dan penerapan model tersebut juga kurang tereksplorasi sampai saat ini. Maka dari itu, penelitian ini dilakukan dengan tujuan untuk membuat model machine learning menggunakan algoritma Convolutional Neural Network (CNN) untuk mendeteksi kelayuan tanaman microgreen dan mengimplementasikannya ke dalam sistem monitoring berbasis website. Model dibuat dengan bantuan library Tensorflow menggunakan dataset yang diperoleh melalui dokumentasi langsung dan diimplementasikan dalam sistem yang terdiri dari kamera USB untuk mengambil foto microgreen secara berkala, Raspberry Pi 5 untuk memproses data tersebut dengan model CNN yang telah dibuat dan mengirimkan hasil klasifikasi subur atau layu melalui komunikasi MQTT dan HTTP untuk gambar kepada server, dan website yang terdiri dari backend dengan framework flask yang bertugas menerima data MQTT dan gambar dari HTTP dan mengirimkannya kepada website berbasis HTML sebagai dashboard pemantauan kelayuan. Dilakukan pengujian model menggunakan pembagian dataset 80 persen untuk pelatihan dan 20 persen untuk pengujian dan didapatkan hasil 100 persen akurasi, sedangkan pengujian dalam sistem monitoring dengan variasi perbedaan lokasi tray, orientasi, dan pencahayaan mendapatkan akurasi 83 persen. Uji dalam penelitian menunjukkan bahwa model dapat mendeteksi kelayuan microgreen secara akurat dan dapat diimplementasikan dalam sistem monitoring dengan baik tanpa mengurangi akurasi dalam tingkat yang signifikan.