Laporan Praktikum
Kelompok 6
Fatihaturrizky Amelia F44170025
Puti Bungsu Silvia Selviana F44170037
Ghiyats Fawwaz Fadhlullah F44170041
METODOLOGI
Praktikum Teknik Irigasi dilakukan secara daring melalui aplikasi zoom pada hari
Kamis, 30 April 2020 pukul 13.00-14.00. Alat yang digunakan perangkat lunak
Microsoft Word, Microsoft Power Point, dan Google Chrome, sedangkan bahan yang
digunakan berupa data hasil studi literatur terkait dengan smart irrigation. Langkah-
langkah dalam praktikum ini tidak ada perhitungan ataupun metode khusus hanya
mengenai studi literatur dengan mencari di pustaka-pustaka yang terkait dengan
smart irrigation.
HASIL DAN PEMBAHASAN
Kriteria sebuah irigasi dikatakan smart irrigation apabila memenuhi empat kriteria,
yaitu on-demand irrigation, save water, high productivity, remote control. On-
demand irrigation adalah irigasi tersebut diterapkan langsung di lahan berbeda
dengan saluran terbuka yang mana sumber airnya jauh dari lahan pertanian,
sedangkan save water yaitu memiliki tingkat kehilangan air yang sangat kecil sekali
diiringi dengan pemakaian air yang sangat sedikit namun cukup bagi tanaman
tersebut diiringi dengan high productivity atau produktivitas tanaman yang baik yang
mana salah satu metodenya untuk ketiga kriteria tersebut menggunakan remote
control.
Pertanian terowongan plastik adalah salah satu jenis pertanian dibandingkan
dengan berbagai jenis pertanian hijau dalam hal struktur (berbentuk terowongan,
rumah teduh, rumah layar, dan lain-lain) dan teknologi (teknologi rendah, teknologi
menengah, dan teknologi tinggi) (Mahmood et al. 2011). Terowongan plastik
merupakan struktur seperti rumah kaca berukuran kecil konvensional yang menutupi
tanaman di sepanjang barisan. Pertanian terowongan plastik berhasil di negara-negara
berkembang karena produknya yang rendah, produk luar musim dan efisiensi yang
lebih baik dalam hal produktivitas tinggi. Untuk merancang dan mengembangkan
terowongan yang berhasil secara teknis melibatkan berbagai variabel seperti material
terowongan, desain terowongan, manajemen cahaya, manajemen atmosfer, irigasi
tanaman, pilihan tanaman, konsumsi pupuk, dan lain-lain (Bonanomi et al. 2011).
Semua variabel ini perlu ditangani dengan hati-hati untuk mencapai target kualitas
dan produksi tinggi yang merupakan tujuan akhir dari pertanian terowongan. Namun,
aspek budidaya terowongan yang dipelajari adalah irigasi masa depan untuk tanaman
dalam sistem terowongan. Irigasi yang masa depan bertujuan untuk pemanfaatan air
secara efisien untuk memenuhi kebutuhan penyiraman tanaman tertentu dan
pemanfaatan air secara efisien untuk menyediakan air bagi tanaman pada waktunya
(Qualis et al. 2001).
Pengetahun dan sistem yang baik untuk pertanian terowongan telah menjadi
kebutuhan karena kelangkaan reservoir air adalah hambatan utama dalam pertanian
modern. Pemanfaatan reservoir air yang efisien telah muncul sebagai tantangan yang
menarik dalam beberapa tahun terakhir. Untuk mengatasi tantangan ini, sistem irigasi
berbasis sensor untuk kebun dan pertanian skala kecil telah diterapkan.
Menambahkan sensor ke sistem irigasi saja tidak cukup, sehingga dibutuhkan
beberapa komponen penting lainnya seperti pembelajaran mesin, logika fuzzy, dan
lain-lain. Untuk meningkatkan pengambilan keputusan, teknologi penginderaan (IoT,
sensor), teknologi penentuan posisi (GPS dan GIS), teknologi komunikasi dan seluler
(internet, cloud, web), perangkat lunak dan aplikasi seluler (seperti sistem pendukung
keputusan), dan platform analitik data besar (Xio et al. 2010).
Pertanian terowongan tradisional menggunakan irigasi tetes, irigasi overhead atau
metode irigasi sprinkler untuk hasil yang lebih baik. Jenis irigasi ini lebih baik
daripada metode banjir normal. Berbagai metode irigasi menyediakan berbagai
tingkat efisiensi air dan energy (Kumar et al. 2014). Irigasi permukaan dan metode
irigasi tingkat menyediakan efisiensi air dan energi yang rendah. Metode sub-irigasi,
irigasi overhead, dan irigasi sprinkler memberikan efisiensi rendah hingga sedang.
Metode irigasi sprinkler dan tetes memberikan efisiensi energi yang sama, tetapi
irigasi tetes lebih efisien air daripada irigasi sprinkler.
Sistem yang diusulkan bekerja dalam komunikasi dengan satu set sensor yang
tertanam dan eksternal, server IoT, penyimpanan cloud, dan dukungan gateway.
seperti yang ditunjukkan pada Gambar 1. Keempat lapisan dari sistem irigasi pintar
yang diusulkan adalah lapisan Aplikasi, lapisan manajemen, lapisan jaringan dan
konektivitas, serta lapisan perangkat dan persepsi.
Gambar 2 mewakili tampilan desain arsitektur dari komponen fisik sistem. Berisi
semua perangkat keras dan arsitektur sistem pertanian terowongan cerdas yang
digunakan di lingkungan dunia nyata. Seperti yang ditunjukkan pada Gambar 2, di
sisi paling kiri ada sensor cahaya dan kelembaban yang terhubung melalui input
analog dengan mikrokontroler sama seperti sensor kelembaban dan suhu terhubung
melalui input digital. Mikrokontroler berfungsi sebagai perangkat terpusat yang
mengambil input dari berbagai sensor dan mentransmisikan nilai ke server melalui
internet. Server memproses data yang disediakan oleh mikrokontroler sehingga
pengguna dapat melihatnya melalui aplikasi Android atau browser web sebagai
respons terhadap pengguna yang melakukan beberapa tindakan yang akan dikirim ke
server melalui internet (Pavithra dan Srinath 2014), kemudian server mengirimkan
perintah ke mikrokontroler dan akhirnya aktuator melakukan tindakan.
Bagian berikut menjelaskan cara kerja sistem pendukung keputusan berbasis
logika fuzzy yang digunakan di server dan membantu sistem irigasi pintar membuat
keputusan mengenai penjadwalan air dan kuantitas air sehubungan dengan jenis
tanaman dan jenis tanah. Menggunakan logika fuzzy untuk memutuskan penjadwalan
air dan jumlah air sehubungan dengan jenis tanaman dan jenis tanah adalah ide baru.
Sistem ini sepenuhnya otomatis. Bagian berikut menjelaskan rincian teknis dari
sistem irigasi pintar yang diusulkan untuk pertanian terowongan.
Sistem logika fuzzy yang dikembangkan dalam sistem smart irrigation yang
diusulkan terdiri dari tiga modul: modul fuzzifikasi, mesin inferensi, dan modul
defuzzifikasi. Sistem logika fuzzy bekerja dengan mengembangkan semesta wacana
(U) yang merupakan fungsi keanggotaan. Semesta wacana U ini dan interval U
diwakili oleh mS. Menurut (Al-Raidah et al. 2015), mS (e) adalah fungsi
keanggotaan yang didasarkan pada sekumpulan pasangan elemen e dan probabilitas e
yang termasuk dalam S. Sistem smart irrigation yang diusulkan membutuhkan lima
input: suhu, waktu, kelembaban , ringan, dan kelembaban dilambangkan dengan
subset fuzzy dari S yaitu, A, B, C, D, dan E, masing-masing. Suhu dilambangkan
dengan variabel A, kelembaban dilambangkan oleh variabel B, cahaya dilambangkan
dengan variabel C dan kelembaban dinotasikan oleh variabel V. Lima variabel yang
berbeda, mA (x), mB (x), mC (x), mD (x) dinyatakan keanggotaan x dalam variabel
A, B, C, dan D, masing-masing. Persamaan (1) dan (2) menunjukkan persimpangan
fuzzy dan set serikat, diberikan di bawah ini:
…….(1)
……(2)
……………………..(3)
Tiga parameter yang dinyatakan dalam Persamaan (4) mewakili batas bawah
fungsi keanggotaan dengan variabel a, puncak dengan variabel m dan batas atas
dengan variabel b. Untuk menemukan kepemilikan minimum dan maksimum dari
variabel-variabel ini, Persamaan (5), diberikan di bawah ini, biasanya digunakan:
…………………………(5)
Dalam modul logika fuzzy yang kami usulkan untuk sistem smart irrigation,
Persamaan (4) dan (5) memainkan peran penting dalam fase fuzifikasi. Persamaan ini
membantu dalam mengembangkan satu set empat fungsi keanggotaan yang ditujukan
pada serangkaian variabel linguistik input dan fungsi keanggotaan untuk variabel
output. Keempat fungsi keanggotaan dirancang untuk parameter input seperti
temperature_change_rate, moisture_change_rate, light_change_rate, dan
moisture_change_rate. Fungsi keanggotaan juga didefinisikan untuk water_need
variabel linguistik output.
Modul inferensi fuzzy berfungsi seperti yang dijelaskan dalam [36]. Setelah
keempat input digerakkan dengan pemrosesan dari empat fungsi keanggotaan input,
input digerakkan ke dalam kombinasi untuk menemukan kekuatan aturan dengan
bantuan operator END. Fungsi keanggotaan keluaran mengikuti di bagian
sebelumnya. Modul inferensi fuzzy yang digunakan dalam sistem logika fuzzy kami
dipetakan menggunakan konsep sistem inferensi fuzzy Mamdani (Al-Radaideh 2015)
untuk memproses setiap aturan dan akhirnya menghasilkan output fuzzy.
……………………………………………………………(8)
Seperti yang ditunjukkan dalam Persamaan (8), output yang didefinisikan
didefinisikan oleh x * yang dihasilkan oleh μi (x) untuk variabel keluaran
2. Detail Implementasi
Sistem mengimplementasikan pengontrol labusesan Arduino UNO
(ATmega328P). Data kontrol dari sensor dan meneruskan ke sistem pendukung
keputusan logika fuzzy yang digunakan server utama. Bagian berikut menjelaskan
secara singkat tentang sensor yang digunakan untuk menerapkan sistem irigasi pintar
yang diusulkan untuk pertanian terowongan.
Gambar 8 Uji sistem smart irrigation (a) pandangan eksternal; (b) fase anakan (15
hari); (c) tanaman setengah baya (50 hari); (D) tanaman usia dewasa (100 hari)
Pada Tabel 1 disajikan data statistik desain pertanian terowongan 14 x 48 feet
Tabel 2 menunjukkan hasil dari tiga kasus yang menunjukkan penghematan air
pada tiga tahap pertumbuhan tanaman seperti fase anakan, pertengahan, dan fase
dewasa. Dalam Kasus 1, konsumsi air dengan metode normal adalah 935,22 pada fase
anakan dan 591,51 dengan fase smart irrigation. Secara keseluruhan total
penghematan air dalam Kasus 1 adalah 864 m3.m-3. Demikian pula, penghematan air
dalam Kasus 2 adalah 982 dan dalam Kasus 3 penghematannya adalah 898.
Penghematan air lebih dari semua studi sebelumnya. Hasil dari tiga studi kasus juga
disajikan secara grafis dalam Gambar 9.
Tabel 2 Konsumsi air dalam irigasi pada berbagai tahap kehidupan tanaman (m3.m-3)
SIMPULAN
Pendekatan yang diusulkan menggunakan empat sensor sensor kelembaban tanah,
sensor kelembaban, sensor suhu dan sensor cahaya untuk efisiensi yang lebih baik.
Selain itu, kebutuhan penyiraman tanaman juga disimpan di basis pengetahuan.
Pendekatan kami menggunakan metode cerdas yang didasarkan pada pendekatan
logika fuzzy untuk memutuskan jumlah dan jadwal penyiraman tanaman
mempertimbangkan jenis tanaman, kondisi cuaca, tingkat kelembaban tanah,
kelembaban, suhu, dll. Pendekatan kami berfokus pada konsumsi energi yang efisien
karena tidak berubah PADA semua sensor sepanjang waktu. Sensor secara berkala
ON dan OFF jika diperlukan. Algoritma cerdas menangani pemanfaatan sensor secara
efisien untuk memastikan konsumsi energi yang efisien dan untuk menjaga biaya
pengoperasian sistem ini tetap rendah. Pendekatan yang diusulkan secara khusus
membahas masalah irigasi pembentukan terowongan dan dapat secara efisien
digunakan dengan metode percikan atau metode irigasi tetes. Hasil penelitian ini
mudah direproduksi karena sensor yang digunakan murah dan mudah diakses. Studi
yang membahas dalam makalah ini diuji pada area kecil (seperti peternakan
terowongan kecil, kebun rumah, dll) tetapi hasil percobaan menunjukkan bahwa
pendekatan yang digunakan dapat digeneralisasi dan dapat digunakan untuk irigasi
efisien ukuran besar. bidang. Hasil percobaan mendukung efektivitas pendekatan
yang diusulkan dan implementasinya dengan bantuan pendekatan logika fuzzy.
Daftar Pustaka
Al-Radaideh A, Al-Ali AR, Bheiry S, Alawnah SA. 2015. A wireless sensor network
monitoring system for highway bridges. In Proceedings of the 2015 International
Conference on Electrical and Information Technologies (ICEIT), Marrakech,
Morocco, 25–27 March 2015.
Bonanomi G, D’Ascoli R, Antignani V, Capodilupo M, Cozzolino L, Marzaioli R,
Rao MA. 2011. Assessing soil quality under intensive cultivation and tree
orchards in Southern Italy. Appl. Soil Ecol. 47(2): 184–194.
Kumar A, Kamal K, Arshad MO, Mathavan S, Vadamala T. 2014. Smart irrigation
using low-cost moisture sensors and XBee-based communication. In Proceedings
of the Global Humanitarian Technology Conference (GHTC). San Jose (US):
10–13 October 2014.
Liu J, Zhang W, Chu X, Liu Y. 2016. Fuzzy logic controller for energy savings in a
smart LED lighting system considering lighting comfort and daylight. Energy
Build. 127: 95–104.
Mahmood N, Anees M, Ahmad S, Zakaullah. 2011. Effect of mulching on vegetables
production in tunnel farming. Mycopathologia. 9(1): 21–24.
Mamdani EH. 1977. Application of fuzzy logic to approximate reasoning using
linguistic synthesis. IEEE Trans. Comput. 26(15): 1182–1191.
Pavithra DS, Srinath MS. 2014. GSM based automatic irrigation control system for
efficient use of resources and crop planning by using an Android mobile. IOSR J.
Mech. Civ. Eng. 11(3): 49–55.
Qualls RJ, Scott JM, DeOreo WB. 2001. Soil moisture sensors for urban landscape
irrigation: Effectiveness and reliability. J. Am. Water Res. Assoc. 37(3): 547–559.
Xiao K, Xiao D, Luo X. 2010. Smart water-saving irrigation system in precision
agriculture based on wireless sensor network. Trans. Chin. Soc. Agric. Eng. 26:
170–175.