SISTEM KENDALI BERBASIS MACHINE LEARNING MENGGUNKAN MODEL NEIVE BAYES PADA PENGERINGAN PADI OTOMATIS
DOI:
https://doi.org/10.54314/jssr.v5i3.1040Abstract
Sebagian besar penduduk Indonesia menjadikan padi yang diolah menjadi nasi sebagai makanan pokoknya. Salah satu proses yang memiliki peranan penting dalam produksi padi menjadi beras adalah proses pengeringan. Pengeringan padi selama ini dilakukan dengan mengandalkan panas matahari karena dirasa cukup menghemat biaya produksi. Akan tetapi, permasalahan cuaca yang tidak menentu seringkali dapat mengakibatkan kerugian bagi para petani. Misalnya saja yang terjadi di Desa Rawang Panca Arga Kabupaten Asahan, berdasarkan observasi yang peneliti lakukan salah satu kendala pengeringan padi selama ini adalah dikala cuaca yang sangat tidak menentu seperti hujan secara tiba-tiba dapat menyebabkan kondisi padi menjadi kembali basah. Berdasarkan permasalahan di atas, maka peneliti tertarik untuk melakukan penelitian yang bertujuan menerapkan teknologi dalam sistem kontrol penutup otomatis dalam pengeringan padi. Penelitian ini diharapkan dapat memudahkan petani dalam melakukan kontrol pengeringan padi. Teknologi yang akan dirancang menggunakan sensor dan microkontroler yang ditanamakan pengetahuan yang bersumber dari model Naïve Bayes berbasis machine learning.
Downloads
References
Wijaya, R. F., Utomo, R. B., Niska, D. Y., & Khairul, K. (2019). Aplikasi Petani Pintar Dalam Monitoring Dan Pembelajaran Budidaya Padi Berbasis Android. Rang Teknik Journal, 2(1).
Sumekar, D. D. R. (2015). Dampak Dan Strategi Adaptasi Petani Padi Sawah Terhadap Perubahan Iklim (Studi Kasus Di Desa Pranan, Kecamatan Polokarto, Kabupaten Sukoharjo).
Honakan, H., Adiwijaya, A., & Al Faraby, S. (2018). Analisis Dan Implementasi Support Vector Machine Dengan String Kernel Dalam Melakukan Klasifikasi Berita Berbahasa Indonesia. eProceedings of Engineering, 5(1).
Jaiman, F., & Wiguna, A. S. (2019). Sistem Penjemuran Otomatis Menggunakan Arduino Uno R3 Dengan Pendekatan Metode Naïve Bayes. Semnas SENASTEK Unikama 2019, 2.
Marvin, K. (2018). KLASIFIKASI POTENSI PEMBAYARAN KREDIT CUSTOMER DENGAN METODE C4. 5 PADA PT. AUTOCHEM INDUSTRY (Doctoral dissertation, Universitas Buddhi Dharma).
Kobandaha, T., Mosey, H. I., & Suoth, V. A. (2018). Sistem Kontrol Atap Otomatis Tempat Penjemuran Berbasis Mikrokontroler Arduino UNO dan Node Sensor. Jurnal MIPA, 7(2), 42-46.
Kurnia, M., Warsito, A., & Louk, A. C. (2016). Perancangan Alat Pembuka Dan Penutup Atap Penjemur Gabah Secara Otomatis Dengan Menggunakan Arduino UNO Berbasis Mikrokontroler ATmega328. Jurnal Fisika: Fisika Sains dan Aplikasinya, 1(1), 18-24.
Nalatissifa, H., Gata, W., Diantika, S., & Nisa, K. (2021). Perbandingan Kinerja Algoritma Klasifikasi Naive Bayes, Support Vector Machine (Svm), Dan Random Forest Untuk Prediksi Ketidakhadiran Di Tempat Kerja. Jurnal Informatika Universitas Pamulang, 5(4), 578-584
