Pemanfaatan Computer Vision Sebagai Pemantauan Perkembangan Bibit Tanaman Tomat Berbasis IoT

Authors

  • Muhammad Ridho Isdi Universitas Andalas
  • Harmadi Harmadi Universitas Andalas

DOI:

https://doi.org/10.25077/jfu.13.2.234-240.2024

Keywords:

Bibit tanaman tomat, Computer vision, Pemantauan, Perkembangan, YOLOV8

Abstract

Perkembangan bibit tanaman tomat memiliki faktor lingkungan yang harus diperhatikan seperti suhu, kelembapan udara dan intensitas cahaya. Faktor tersebut mempengaruhi keadaan bibit dari hari ke hari. Penelitian ini memanfaatkan computer vision untuk memantau perkembangan bibit tanaman tomat berbasis IoT yang diharapkan dapat memantau perkembangan bibit tanaman tomat secara berkala dan mengantisipasi bibit yang belum tumbuh. Pemantauan lingkungan pada bibit menggunakan sensor DHT11 untuk mendeteksi suhu dan kelembapan udara. Sensor LDR untuk mendeteksi intensitas cahaya. Kipas angin DC dan module mist spray fog maker untuk mengontrol keadaan suhu dan kelembapan udara pada tempat pembibitan. Pemantauan dengan computer vision menggunaan algoritma YOLOV8 untuk mendeteksi perkembangan bibit antara tumbuh dan belum tumbuh. Pengambilan data pengukuran dilakukan selama rentang waktu 10 hari. Hasil semua data pengukuran dikirim ke database dengan API, kemudian data tersebut ditampilkan melalui website. Perkembangan bibit tanaman tomat menggunakan sistem lebih cepat 1 hari daripada tidak menggunakan sistem. Pemantauan perkembangan bibit menggunakan YOLOV8 memiliki tingkat akurasi sebesar 96% yang berarti sistem dapat membedakan bibit yang tumbuh dan belum tumbuh.

 

Author Biographies

Muhammad Ridho Isdi, Universitas Andalas

Departemen Fisika

Harmadi Harmadi, Universitas Andalas

Departemen Fisika

References

Anggreyani, D. (2021). Rancang Bangun Sistem Monitoring Kelembaban Tanah, Suhu Dan Penyiraman Otomatis Pada Tanaman Tomat Berbasis Internet Of Things.

de Luna, R. G., Dadios, E. P., Bandala, A. A., & Vicerra, R. R. P. (2020). Tomato Growth Stage Monitoring For Smart Farm Using Deep Transfer Learning With Machine Learning-Based Maturity Grading. Agrivita, 42(1), 24–36. https://doi.org/10.17503/agrivita.v42i1.2499

Dipayana, I. G. M., Khrisne, D. C., & Setiawan, W. (2022). Rancang Bangun Alat Monitoring Tanaman Hidroponik Pakcoy Memanfaatkan Mikrokontroler Dan Teknik Computer Vision (Vol. 9, Nomor 1).

Dompeipem, T. A., Sompie, S. R. U. A., & Najoan, M. E. I. (2021). Computer Vision Implementation for Detection and Counting the Number of Humans. Jurnal Teknik Informatika, 16(1), 65–76.

Gunawan, R., Andhika, T., . S., & Hibatulloh, F. (2019). Monitoring System for Soil Moisture, Temperature, pH and Automatic Watering of Tomato Plants Based on Internet of Things. Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan, 7(1), 66–78. https://doi.org/10.34010/telekontran.v7i1.1640

Harahap, F. S., Walida, H., & Arman, I. (2021). Dasar-dasar Agronomi Pertanian. Mitra Cendekia Media.

Hari, Y., Kurnia, Y. A., Budijanto, A., Universitas, I., Kartika, W., & Universitas, E. (2017). Pengembangan Sistem Kendali Cerdas Dan Monitoring Pada Budidaya Buah Tomat.

Risandriya, S. K., Fatheka, R. A., & Fitriansyah, S. A. (2019). Pemantauan dan Pengendalian Kelembapan, Suhu, dan Intensitas Cahaya Tanaman Tomat dengan Logika Fuzzy Berbasis IoT. Journal Of Applied Electrical Engineering, 3(1), 9–14.

Suyanto, H., Abrianan, T. L., Rupiasih, N. N., & Widyatmika, P. (2011). Pengaruh Intensitas Cahaya Merah 680 Nm Terhadap Laju Pertumbuhan Dan Kadar Klorofil-A Pada Fase Pembibitan Tanaman Tomat. Seminar Nasional Fisika, 1–8.

Toba, H., & Hendrik, A. (2015). Pengembangan Basisdata Penyakit Kulit Berbasis Computer Vision Melalui Deteksi Tepi.

Downloads

Published

2024-03-05

How to Cite

Isdi, M. R., & Harmadi, H. (2024). Pemanfaatan Computer Vision Sebagai Pemantauan Perkembangan Bibit Tanaman Tomat Berbasis IoT. Jurnal Fisika Unand, 13(2), 234–240. https://doi.org/10.25077/jfu.13.2.234-240.2024

Issue

Section

Articles