Model Prediksi Kadar Air Media Tanam Menggunakan Regresi Linear Berganda (Studi Kasus Kebun Tomat Beef di Serenity Farm Mitra Habibi Garden)

Abstract

Permintaan yang cukup tinggi akan tomat beef kepada Serenity Farm sebagai salah satu produsen tomat beef di daerah Lembang, Kabupaten Bandung masih belum sepenuhnya terpenuhi. Salah satu penyebab hal tersebut adalah kurang optimalnya pengelolaan kadar air pada media tanam yang digunakan. Kadar air media tanam yang stabil dapat mencegah penguapan air berlebih dari permukaan tanah, serta mencegah tanaman mengalami stres. Selain itu, kadar air media tanam dipengaruhi oleh iklim, spesifikasi tanaman dan media tanam itu sendiri, sehingga cukup sulit diprediksi. Kadar air media tanam dapat mencapai titik kritis bila telat melakukan penyiraman dan menyebabkan kelayuan permanen tanaman. Penelitian ini bertujuan untuk mengembangkan model prediksi kadar air media tanam budidaya tomat beef di greenhouse Serenity Farm menggunakan machine learning. Model prediksi kadar air ini dikembangkan untuk mencegah tanaman mengalami kekeringan, dengan membantu petani dalam pengambilan keputusan penyiraman. Algoritma pembelajaran yang digunakan adalah regresi linear berganda  dengan variabel bebas yang terdiri dari data Hari Setelah Tanam (HST), jumlah penggunaan air penyiraman (mL/3 jam), suhu media tanam (oC/3 jam), dan kadar air media tanam (%/3 jam) 3 jam sebelumnya. Sedangkan nilai prediksi kadar air media tanam (%/3 jam) 3 jam berikutnya dijadikan variabel terikat. Model yang dibuat telah diuji dan divalidasi dengan tingkat akurasi masing-masing 83,80% dan 72,02%. Hasil tersebut menunjukkan bahwa model prediksi yang dikembangkan dapat diterapkan dalam memprediksi kadar air media tanam tomat beef di Serenity Farm.