Prediksi Evapotranspirasi dan Manajemen Sistem Irigasi Berbasis Penginderaan Jauh, Artificial Neural Networks dan Internet of Things (IoT)

Abstract

Air memegang peranan penting dalam pertumbuhan tanaman sehingga kehilangan air pada tanaman akibat evapotranspirasi harus diprediksi. Evapotranspirasi Di sisi lain, evapotranspirasi tanaman sangat dipengaruhi oleh koefisien tanaman dan evapotranspirasi referensi (ETo). Nilai koefisien tanamaan dapat diprediksi menggunkan metode penginderaan jauh berdasarkan nilai Blue Red Vegetation Index (BRVI), sementara itu evapotranspirasi referensi (ETo) dapat diprediksi menggunakan Deep Neural Networks (DNN). Pada penelitian ini digunakan kacang tanah sebagai sampel tanaman. Oleh karena itu, tujuan penelitian diuraikan sebagai berikut: (a) menganalisis keandalan skema prediksi basal crop coefficient (Kcb) kacang tanah berbasis penginderaan jauh menggunakan citra sensor kamera; (b) menganalisis keandalan model prediksi ETo, soil evaporation coefficient (Ke) dan Kcb menggunakan Deep Neural Networks (DNN); dan (c) menganalisis keandalan sistem manajemen irigasi pada tanaman kacang tanah berbasis IoT. Hasil penelitian menunjukkan bahwa prediksi Kcb berdasarkan nilai BRVI, serta prediksi ETo, Ke dan Kcb mengggunakan DNN menghasilkan luaran sangat baik. Begitu pula dengan keandalan sistem manajemen irigasi berbasis IoT sangat baik terhadap pertumbuhan dan produksi tanaman kacang tanah.