Penerapan Pembelajaran Mesin dalam Manajemen Stok Tanaman Hidroponik untuk Mewujudkan Pangan Berkelanjutan

Ressa Priskila; Novera Kristianti; Nova Noor Kamala Sari

doi:10.32938/jitu.v5i1.8406

Authors

Ressa Priskila Fakultas Teknik, Jurusan Teknik Informatika, Universitas Palangka Raya
Novera Kristianti Fakultas Teknik, Jurusan Teknik Informatika, Universitas Palangka Raya
Nova Noor Kamala Sari Fakultas Teknik, Jurusan Teknik Informatika, Universitas Palangka Raya

DOI:

https://doi.org/10.32938/jitu.v5i1.8406

Keywords:

Food Security, Stock Management, Machine Learning, Linear Regression, LSTM, Random Forest, XGBoost

Abstract

Isu ketahanan pangan global semakin mendesak akibat pertumbuhan populasi, urbanisasi, dan perubahan iklim. Hidroponik, sebagai metode pertanian inovatif yang tidak memerlukan tanah, menawarkan efisiensi penggunaan air yang lebih baik dibandingkan metode tradisional. Namun, tantangan dalam manajemen stok, termasuk fluktuasi permintaan dan risiko kerusakan tanaman, dapat mengganggu efisiensi dan keuntungan. Penelitian ini bertujuan untuk menerapkan algoritma pembelajaran mesin, seperti Regresi Linier, LSTM, Random Forest, dan XGBoost—untuk memprediksi hasil panen, stok, dan penjualan di kebun hidroponik yang dikenal sebagai 'XYZ'. Hasil evaluasi menunjukkan bahwa model regresi linier memiliki akurasi tertinggi, dengan Mean Absolute Error (MAE) 0.0029 dan Root Mean Squared Error (RMSE) 0.0039, sementara model LSTM, Random Forest, dan XGBoost menunjukkan kinerja lebih rendah. Regresi linier dianggap dapat diandalkan untuk perencanaan manajemen stok dan hasil panen. Temuan ini berkontribusi terhadap pengembangan pertanian berkelanjutan dan menunjukkan potensi pembelajaran mesin dalam mendukung pengelolaan stok dan pengambilan keputusan yang lebih baik bagi petani hidroponik.

References

[1] M. Arifatuzzakiyah, F. E. Prasmatiwi, and F. Firdasari, “Manajemen Stok Pangan Rumah Tangga Petani Padi Anggota Lumbung Pangan Di Kecamatan Ambarawa Kabupaten Pringsewu,” Jurnal Ilmu-Ilmu Agribisnis, vol. 12, no. 2, p. 155, Jun. 2024, doi: 10.23960/jiia.v12i2.7623.

[2] A. Djama, R. Indriani, and A. Moonti, “Optimalisasi Manajemen Rantai Pasok Beras Dalam Menjaga Ketahanan Pangan (Studi Kasus Perum Bulog Kantor Cabang Gorontalo),” Media Agribisnis, vol. 7, no. 1, pp. 107–115, May 2023, doi: 10.35326/agribisnis.v7i1.3199.

[3] U. Farihah, L. Khusnah, N. Eska Anugrah Nasution, and M. A. Faizal Ghani, “Pemberdayaan Masyarakat melalui Pelatihan Pembuatan Nutrisi Media Tanam Hidroponik Memanfaatkan Moringa oleifera dan Leri untuk Mendukung Ketahanan Pangan Keluarga”, doi: 10.32332/dedikasi.v6i1.9285.

[4] R. de Sousa, L. Bragança, M. V. da Silva, and R. S. Oliveira, “Challenges and Solutions for Sustainable Food Systems: The Potential of Home Hydroponics,” Jan. 01, 2024, Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/su16020817.

[5] A. S. Salsabila et al., “Analysis of Inventory Control of Green Spinach (Amaranthus Tricolor L) Seeds With Economic Order Quantity Method In CV. Amatta Mulya BarizI,” 2024.

[6] ruf Samsudin and U. hayati, “Optimalisasi Stok Barang Melalui Algoritma K-Means Clustering Analisis Untuk Manajemen Persediaan Dalam Konteks Bisnis Modern,” 2024.

[1] M. Arifatuzzakiyah, F. E. Prasmatiwi, and F. Firdasari, “Manajemen Stok Pangan Rumah Tangga Petani Padi Anggota Lumbung Pangan Di Kecamatan Ambarawa Kabupaten Pringsewu,” Jurnal Ilmu-Ilmu Agribisnis, vol. 12, no. 2, p. 155, Jun. 2024, doi: 10.23960/jiia.v12i2.7623.

[2] A. Djama, R. Indriani, and A. Moonti, “Optimalisasi Manajemen Rantai Pasok Beras Dalam Menjaga Ketahanan Pangan (Studi Kasus Perum Bulog Kantor Cabang Gorontalo),” Media Agribisnis, vol. 7, no. 1, pp. 107–115, May 2023, doi: 10.35326/agribisnis.v7i1.3199.

[3] U. Farihah, L. Khusnah, N. Eska Anugrah Nasution, and M. A. Faizal Ghani, “Pemberdayaan Masyarakat melalui Pelatihan Pembuatan Nutrisi Media Tanam Hidroponik Memanfaatkan Moringa oleifera dan Leri untuk Mendukung Ketahanan Pangan Keluarga”, doi: 10.32332/dedikasi.v6i1.9285.

[4] R. de Sousa, L. Bragança, M. V. da Silva, and R. S. Oliveira, “Challenges and Solutions for Sustainable Food Systems: The Potential of Home Hydroponics,” Jan. 01, 2024, Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/su16020817.

[5] A. S. Salsabila et al., “Analysis of Inventory Control of Green Spinach (Amaranthus Tricolor L) Seeds With Economic Order Quantity Method In CV. Amatta Mulya BarizI,” 2024.

[6] ruf Samsudin and U. hayati, “Optimalisasi Stok Barang Melalui Algoritma K-Means Clustering Analisis Untuk Manajemen Persediaan Dalam Konteks Bisnis Modern,” 2024.

[7] A. Azis, A. T. Zy, and A. S. Sunge, “Prediksi Penjualan Obat Dan Alat Kesehatan Terlaris Menggunakan Algoritma K-Nearest Neighbor,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 1, pp. 117–124, Jan. 2024, doi: 10.47233/jteksis.v6i1.1078.

[8] I. Anwari and I. Nurma Yulita, “Penggunaan Machine Learning Untuk Prediksi Harga Telur Ayam Ras Di Kota Bandung,” Communnity Development Journal, vol. 4, no. 3, pp. 6001–6005, 2023.

[9] Raisa Nuraffifa Sudardjat and Vina Sari Yosephine, “Sistem manajemen gudang untuk UMKM dan pemanfaatan machine learning pada penjualan grosir minuman,” INFOTECH : Jurnal Informatika & Teknologi, vol. 5, no. 1, pp. 121–130, Jun. 2024, doi: 10.37373/infotech.v5i1.1186.

[10] N. Afrilia and F. Frazna Az-Zahra, “Prediksi Hasil Panen Wortel Menggunakan Algoritma Regresi Linear Berganda,” 2024.

[11] A. Satria, R. M. Badri, and I. Safitri, “Prediksi Hasil Panen Tanaman Pangan Sumatera dengan Metode Machine Learning,” Digital Transformation Technology, vol. 3, no. 2, pp. 389–398, Sep. 2023, doi: 10.47709/digitech.v3i2.2852.

[12] T. Jaelani, “Machine Learning untuk Prediksi Produksi Gula Nasional,” JMPM (Jurnal Material dan Proses Manufaktur), vol. 6, no. 1, Aug. 2022, doi: 10.18196/jmpm.v6i1.14897.

[13] N. Nur, F. Wajidi, S. Sulfayanti, and W. Wildayani, “Implementasi Algoritma Random Forest Regression untuk Memprediksi Hasil Panen Padi di Desa Minanga,” Jurnal Komputer Terapan, vol. 9, no. 1, pp. 58–64, Jun. 2023, doi: 10.35143/jkt.v9i1.5917.

[14] E. Fitri and S. N. Nugraha, “Optimasi Kinerja Linear Regression, Random Forest Regression Dan Multilayer Perceptron Pada Prediksi Hasil Panen,” INTI Nusa Mandiri, vol. 18, no. 2, pp. 210–217, Feb. 2024, doi: 10.33480/inti.v18i2.5269.

[15] M. Ardian et al., “Perbandingan Model Regresi Untuk Memprediksi Harga Jual … 549.” [Online]. Available: https://hargajateng.org/tabel-harga-