DESAIN DAN IMPLEMENTASI SISTEM IoT UNTUK

EFISIENSI ENERGI PADA SMART IRRIGATION

BERBASIS PERTANIAN TEROWONGAN

Laporan Praktikum

Teknik Irigasi (SIL 335)

Kelompok 6
Fatihaturrizky Amelia F44170025
Puti Bungsu Silvia Selviana F44170037
Ghiyats Fawwaz Fadhlullah F44170041

DEPARTEMEN TEKNIK SIPIL DAN LINGKUNGAN

FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
2020
PENDAHULUAN
Irigasi merupakan upaya yang dilakukan manusia untuk mengairi lahan pertanian,
tanpa pengairan yang cukup sebagian besar tanaman yang menjadi komoditas
pertanian tidak akan tumbuh subur dan siap dipanen. Pada umumnya petani masih
menggunakan cara tradisional dalam mengairi lahan pertanian, mereka harus
menyiram tanaman satu per satu setiap pagi dan sore. Rutinitas ini cukup merepotkan
dan memakan waktu yang lama, serta air yang digunakan lebih boros. Dalam dunia
modern saat ini dimana proses otomatis lebih disukai daripada proses manual, telah
banyak model irigasi yang dilakukan manusia diantaranya yaitu Smart Irrigation.
Smart Irrigation adalah sebuah teknologi yang memungkinkan petani untuk
menjadwalkan dengan tepat kapan tanaman perlu disiram dan berapa banyak air yang
dibutuhkan tanaman. Dengan memanfaatkan teknologi Wireless Sensor Network dan
Internet of Things, maka petani dapat memantau dan mengontrol proses pengairan
tanaman dari jarak jauh dengan aplikasi.
Pertanian terowongan telah menjadi solusi sukses akhir-akhir ini yang tidak hanya
memungkinkan petani untuk menghasilkan sayuran di luar musim, tetapi juga
memungkinkan pertanian dengan sumber daya air yang terbatas dalam kondisi cuaca
buruk. Meskipun metode penyiraman dan irigasi tetes sering digunakan untuk
pertanian terowongan, bahkan penyiraman yang tidak merata dapat membuat
tanaman tertekan dan menyebabkan pertumbuhan yang lambat. Karena air dapat
dengan cepat menguap dari permukaan tanah, terutama di daerah yang menghadapi
cuaca sangat panas, pertanian terowongan menjadi solusi terbaik. Namun, kebutuhan
air yang sama, tepat waktu, dan diperhitungkan masih merupakan tantangan dalam
budidaya terowongan. Tujuan penulisan ini dibuat adalah menargetkan sistem irigasi
masa depan berbasis pertanian terowongan menggunakan IoT untuk tidak hanya
menghemat energi, tetapi juga menghemat air.

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.

1. Rancangan smart irrigation

Sistem irigasi pintar yang diusulkan dirancang dengan kemampuan pengambilan
keputusan yang cerdas dalam hal menyiram tanaman atau tidak berdasarkan
pertimbangan fitur seperti jenis tanaman, kondisi cuaca, tingkat kelembaban tanah,
kelembaban, suhu, dan lain-lain. Pendekatan kami berfokus pada konsumsi energi
yang efisien karena tidak menyalakan semua sensor sepanjang waktu. Sensor secara
berkala aktif dan non-aktif 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 dari pertanian terowongan dan dapat sama
efisiennya jika digunakan dengan metode percikan atau metode irigasi tetes.
Rancangan sistem dapat dilihat pada Gambar 1.

Gambar 1 Smart irrigation untuk pertanian terowongan

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.

1.1 Pengumpulan Data Berbasis Sensor

Seperti yang ditunjukkan pada Gambar 1, langkah pertama dalam sistem yang
diusulkan adalah mengumpulkan data dari sensor seperti kelembaban tanah,
kelembaban udara, suhu udara, intensitas cahaya, dan lain-lain. Sistem yang
diusulkan memiliki lapisan perangkat dan persepsi yang mencakup semua perangkat
keras seperti sensor, aktuator, mikrokontroler, dan perangkat Wi-Fi. Semua
komponen jaringan, modul WiFi dan Bluetooth dikelola pada lapisan jaringan dan
konektivitas. Kemudian manajemen perangkat, penyimpanan awan ditangani pada
lapisan manajemen untuk menyediakan saluran untuk transmisi data antara pengguna
(petani) dan perangkat keras dan cloud melalui server jauh juga menyediakan
penanganan sumber daya dan pemrosesan tingkat tinggi. Lapisan aplikasi berada di
atas yang menyediakan fitur seperti penjadwalan irigasi, pemantauan instalasi,
pengontrolan cahaya dan layanan rekomendasi lainnya. Gambar 3 menjelaskan kerja
sensor dan proses pengumpulan data dan penyimpanan di server data untuk analitik
lebih lanjut.

Gambar 2 Desain integrasi perangkat keras dari sistem smart irrigation

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.

1.2 Sistem Irigasi Cerdas Berbasis Logika Fuzzy

Sistem smart irrigation mendapat input waktu nyata dari sensor yang ditanamkan
di pertanian terowongan pintar untuk membuat rekomendasi untuk penjadwalan
irigasi, kuantitas. Sebuah mikrokontroler (lihat Gambar 2) mengambil data dari
sensor dan mengirimkannya ke server web di mana sistem pendukung keputusan
berbasis logika fuzzy membuat keputusan berdasarkan kondisi yang telah ditentukan
sebelumnya dan keadaan tanaman saat ini mengambil melalui sensor (Liu et al.
2016). Kemudian, nilai-nilai sensor diproses di server dan daftar pabrik dengan
peringkat kelayakannya dikirim ke ponsel pengguna, dari mana pengguna dapat
merencanakan jadwal penyiraman untuk pabrik. Ketika tanggal dan waktu dari jadwal
yang diperkirakan tiba, atau ketinggian air semakin rendah di terowongan pertanian,
sistem kami memberi tahu pengguna dan mengatur pompa air ke keadaan ON untuk
penyiraman tanaman yang mencukupi. Kerja dari sistem logika fuzzy yang diusulkan
dirancang untuk sistem irigasi pintar ditunjukkan pada Gambar 3.
 Gambar 3 Sistem logika fuzzy untuk sistem smart irrigation

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)

Kemampuan pengambilan keputusan sistem logika fuzzy didukung oleh

seperangkat aturan yang ditetapkan. persamaan di atas (2) dan (3) membantu dalam
menghitung kekuatan aturan keputusan. secara konvensional, nilai variabel linguistik
digambarkan sebagai himpunan fuzzy (Al-Radaideh et al. 2015). dalam semesta
diskursus sistem logika fuzzy, setiap nilai input dipetakan ke nilai keanggotaan dalam
kisaran 0 dan 1 oleh fungsi keanggotaan tipikal (Mamdani 1977), jika-maka aturan
digunakan untuk mengimplementasikan himpunan aturan fuzzy yang mewakili
pengetahuan dalam sistem penyiraman pintar yang diusulkan. komponen dan alur
kerja modul logika fuzzy ditunjukkan pada Gambar 3, karena memiliki tiga
komponen dasar: fuzzifier, rule dan inference, dan defuzzifier.

1.2.1 Modul fuzzifikasi

Sistem logika fuzzy yang diusulkan bekerja dengan mengikuti metodologi tipikal.
Modul fuzzifikasi menerima nilai input garing dari serangkaian sensor. Proses
konversi nilai-nilai tajam ini ke nilai fuzzy dibimbing oleh fungsi keanggotaan.
Fungsi keanggotaan yang digunakan menangani banyak variabel seperti
temperature_change_rate, moisture_change_rate, light_change_rate, dan
moisture_change_rate. Nilai atribut variabel ini sebagai rendah, sedang, dan tinggi,
sedangkan nilai variabel timer adalah atribut pendek atau panjang. Set nilai fuzzi fi ed
yang digunakan diwakili dalam Persamaan (3):

……………………..(3)

Konsep "kernel fuzzification" diimplementasikan menggunakan hubungan fuzzy

set K (xi) seperti yang ditunjukkan pada Persamaan (3). Set fuzzy K (xi)
diimplementasikan menggunakan konstanta μi dan xi. Modul logika fuzzy yang
digunakan dalam sistem irigasi pintar proses fuzzifikasi diimplementasikan
menggunakan fungsi keanggotaan segitiga (Mamdani 1977). Fungsi keanggotaan
segitiga adalah pilihan khas dalam sistem pendukung keputusan multivarian.
Persamaan (4) menunjukkan struktur tipikal dari fungsi keanggotaan segitiga yang
menangani tiga sistem fuzzyfikasi bernilai:
 …………………………………………....(4)

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.

1.2.2 Modul Inferensi Fuzzy

Modul inferensi fuzzy memainkan peran penting dalam proses pengambilan
keputusan dari sistem penyiraman pintar yang diusulkan. Serangkaian aturan if-then
didefinisikan untuk bekerja dengan fungsi keanggotaan yang didefinisikan pada
bagian sebelumnya. Modul inferensi fuzzy yang digunakan dalam sistem logika fuzzy
kami dipetakan menggunakan konsep sistem inferensi fuzzy Mamdani (Mamdani
1977) dan memetakan input fuzzy ke output fuzzy. Jumlah langkah yang diikuti
untuk mengimplementasikan modul inferensi yang diusulkan menggunakan konsep
inferensi fuzzy Mamdani seperti untuk menggabungkan input fuzzy, membangun
seperangkat aturan fuzzy, menggabungkan kekuatan aturan, menerapkan fungsi
keanggotaan, akhirnya menggabungkan output untuk menghasilkan distribusi output
dan defuzzify fungsi keanggotaan keluaran. Proses defuzzifikasi dijelaskan dalam
Bagian 1.2.3. Aturan fuzzy yang didefinisikan diimplementasikan menggunakan
pernyataan jika-maka untuk setiap aturan. Persamaan (6) dan (7) mewakili perilaku
modul inferensi yang digunakan dari empat input dan dua aturan yang disimpan
dalam basis aturan:
 …..(6)
…....(7)

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.

1.2.3 Modul Defuzzifikasi

Langkah terakhir dalam penerapan sistem irigasi pintar adalah defusifikasi.
Karena, seperangkat aturan digunakan untuk mengevaluasi output. Aturan diterapkan
ke nilai fuzzy dan output fuzzy dihasilkan oleh aturan fuzzy tunggal dan output fuzzy
dikonversi ke kuantitas skalar. Modul defuzzifikasi yang diusulkan didasarkan pada
metode defuzzifikasi centroid karena memberikan hasil yang akurat seperti
ditunjukkan dalam Persamaan (8):

……………………………………………………………(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.

2.1 Perangkat Keras

Sistem irigasi cerdas yang diusulkan untuk pertanian terowongan menggunakan
satu set sensor untuk mengumpulkan data dari tanah dan udara. Untuk kelembaban
tanah, digunakan sensor HL-69 Soil Hygrometer. Demikian pula, untuk suhu dan
kelembaban, digunakan sensor AM2302 DHT22. Untuk cahaya, sensor cahaya
BH1750 FVI digunakan. Deskripsi singkat dari sensor ini diberikan di bawah ini:
2.1.1 HL-69 Soil Hygrometer
Digunakan untuk penginderaan kelembaban tanah di sebuah peternakan
terowongan:
• Operating voltage: 3.3~5 V
• Dual output mode—digital or analog—analog output more accurate
• LM393 comparator chip, stable
• Fixed bolt hole for easy installation
• Power indicator (red) and digital switching output indicator (green)
• Soil probe dimension: pprox.. 6 cm×3 cm
• Cable length: pprox.. 21 cm
• Panel PCB dimensions: pprox.. 3 cm×1.5 cm

Gambar 4 HL-69 Soil Hygrometer untuk pengiriman kelembaban tanah

2.1.2 AM2302 DHT22 Sensor

DHT22 adalah sensor umum dan murah yang digunakan untuk mendeteksi
kelembaban di udara dan suhu
• 3 to 5 V power and I/O
• Good for 0–100% humidity readings with 2–5% accuracy
• 2.5 mA max current use during conversion (while requesting data)
• No more than 0.5 Hz sampling rate (once every 2 s)
• Good for−40 to 80◦C temperature readings±0.5◦C accuracy
• 4 pins with 0.100 spacing
• Body size 15.1 mm×25 mm×7.7 mm
 Gambar 5 AMD2302 DHT22 sensor untuk cahaya dan kelembaban

2.1.3 BH1750 FVI Light Sensor

BH1750 adalah sensor umum yang dapat mendeteksi intensitas cahaya. Untuk
implementasi sistem yang diusulkan, sensor cahaya Bh1750 FVI juga digunakan.
• Chip: BH1750FVI
• Power Supply: 3.3–5 V
• Sensor Built-in: 16 bit AD converter
• Light Range: 0–65,535 lx(Lux)
• Direct digital output, bypassing the complex calculation, bypassing the calibration
• Size (L×W): approx. 3.2 cm×1.5 cm
• Widely used to 1-lux high precision measurement
• Close to the spectral characteristics of visible light

Gambar 6 BH1750 FVI light sensor

2.2 Desain Pertanian Terowongan Ukuran Sedang

Gambar 7 Bentuk terowongan 14 × 48 feet direncanakan untuk smart irrigation

Sensor kelembaban tipikal biasanya membaca diameter 10-15 cm di sekitar probe.

Namun, higrometer HL-69 dengan jarum panjang cukup untuk menutupi area dengan
diameter 2-3 feet. Panjang batang sensor dan jumlah sensor pada batang menentukan
area jangkauan oleh sensor. Pengukuran oleh HL-69 hygrometer biasanya diambil
dari kedalaman 30 cm hingga 150 cm. Untuk menutupi area seluas 14 × 48 feet dari
bentuk terowongan, 30 hingga 36 sensor sudah cukup. Demikian pula, dua sensor
AM2302 per bidang disarankan untuk merasakan suhu dan kelembaban. Di bidang 14
× 48 feet, dua sensor BH1750 cukup. Gambar 8 a dan b menunjukkan pandangan
eksternal dan internal dari testbed yang dikembangkan untuk percobaan sistem irigasi
pintar.

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 1 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)

Penggunaan pendekatan cerdas untuk pengambilan keputusan yang efisien tentu

membantu dalam meningkatkan hasil sistem berbasis sensor. Suatu pendekatan yang
cerdas tidak hanya dapat meningkatkan kinerja sistem berbasis IoT dan sensor tetapi
juga hasil dari sistem tersebut dapat ditingkatkan tetapi keputusan yang lebih akurat
dan cerdas diambil oleh sistem cerdas tersebut. Gambar 8 dengan jelas menyoroti
cara sistem irigasi pintar membantu menghemat air di pertanian terowongan dan
mencapai produktivitas tinggi.
Hasil percobaan dan perbandingan hasil pendekatan sistem smart irrigation
dengan pendekatan penyiraman manual ditunjukkan pada Gambar 9.
 Gambar 9 Data sensor dengan variasi

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.