ANALISIS KOMPARATIF LINEAR REGRESSION DAN QUADRATIC REGRESSION DALAM OPTIMASI DEBIT AIR TERHADAP PERTUMBUHAN SELADA PADA SISTEM HIDROPONIK NFT BERBASIS IOT
DOI:
https://doi.org/10.52453/technologic.v17i1.521Keywords:
Hidroponik NFT, Model Regresi, Internet of Things, Debit Air, Pertumbuhan TanamanAbstract
Penelitian ini bertujuan untuk mengkaji hubungan antara debit air dan laju pertumbuhan tanaman selada pada sistem hidroponik Nutrient Film Technique (NFT), sekaligus menentukan kisaran debit air yang optimal menggunakan pendekatan model linear regression dan quadratic regression. Sistem pemantauan debit air dikembangkan berbasis Internet of Things (IoT) dengan memanfaatkan mikrokontroler ESP32-S3, flow sensor AICHI OF05ZAT, serta platform Blynk untuk memperoleh data secara real-time. Pengambilan data dilakukan selama dua minggu pada lima gully, kemudian dianalisis menggunakan kedua model regresi untuk mengidentifikasi karakteristik hubungan linier dan non-linier antara debit air dan pertumbuhan tanaman. Hasil analisis menunjukkan bahwa model linear regression menghasilkan nilai koefisien determinasi (R2) sebesar 0,067 yang mengindikasikan hubungan linier yang lemah antara debit air dan laju pertumbuhan tanaman. Sebaliknya, model quadratic regression menghasilkan nilai R2 sebesar 0,651 yang menunjukkan adanya hubungan non-linier dengan pola parabola terbuka ke bawah. Temuan ini menunjukkan bahwa model quadratic regression lebih mampu merepresentasikan hubungan antara debit air dan pertumbuhan tanaman dibandingkan model linier. Berdasarkan model tersebut, laju pertumbuhan maksimum tanaman selada diperoleh pada kisaran debit air sekitar ±2,9 L/min.
References
R. D. Wulandari, S. A. Sani, N. P. Anggraeni, and N. Nur, “Analisis Konsep Fluida Pada Sistem Perairan Hidroponik NFT ( Nutrient Film Engineering ),” vol. 13, no. November, pp. 832–838, 2023.
B. Baiyin et al., “Effect of the Flow Rate on Plant Growth and Flow Visualization of Nutrient Solution in Hydroponics,” pp. 1–14, 2021.
H. Systems, “Kajian Konsep Fluida Dinamis pada Optimalisasi Aliran Nutrisi Sistem Hidroponik Study of Dynamic Fluid Concepts in Optimizing Nutrient Flow in Hydroponic Systems,” vol. 4, no. 2, pp. 120–127, 2023.
S. Yamamoto and Y. Ibaraki, “Effect of Nutrient Solution Flow Rate on Hydroponic Plant Growth and Root Morphology,” pp. 1–11, 2021.
A. Khaidir Yusuf, Salahuddin, “Perancangan Alat Pengukur Debit Air Berbasis Arduino Uno Sebagai Antisipasi Pemborosan Air Di Sektor Pertanian,” vol. 08, pp. 48–52, 2019.
S. Radinka, N. Zuhair, G. Nauli, N. Aulia, C. Mundi, and D. Yeninta, “Indonesian Journal of Conservation Peran Mahasiswa dalam Menjaga dan Membudidayakan Tanaman Hidroponik di Jurusan PKK,” Indones. J. Conserv., vol. 12, no. 1, pp. 24–32, 2023, doi: 1115294/jsi.v12i1.40810.
Prumperindo.co.id, “Sistem Hidroponik Nft,” Prumperindo.com. [Online]. Available: https://hidroponikpedia.com/wp-content/uploads/2017/10/nft-SKEMA.png
wartanionline.com, “Cara Menanam Selada Hidroponik bagi Pemula,” wartaonline.com. [Online]. Available: https://wartanionline.com/wp-content/uploads/2023/02/Cara-Menanam-Selada-Hidroponik-.jpg
A. Syahfitri, “Internet of Things ( IoT ), Sejarah , Teknologi , dan Penerapannya,” 2025.
R. Khadijah Febriana, R. Thakur, and S. Roy, “Enhancing Hydroponic Farming Productivity Through IoT-Based Multi-Sensor Monitoring System,” Int. Conf. Internet Things, Big Data Secur. IoTBDS - Proc., no. IoTBDS, pp. 351–357, 2024, doi: 10.5220/0012741300003705.
A. Majid, “Water Outlet Control Using ESP32 Based Water Flow Sensor [Pengendali Keluar Air Menggunakan Sensor Water Flow Berbasis ESP32],” Univ. Muhammadiyah Sidoarjo, pp. 1–9, 2016.
Lingshun, “ESP32-S3 引脚参考大全,” lingshunlab.com. [Online]. Available: https://lingshunlab.com/book/esp32/esp32-s3-pin-reference#google_vignette
Teguh Pry Yanto, “Karakterisasi Dan Kalibrasi Flow Meter Pada Stasiun Penjualan Minyak Goreng Menggunakan Arduino,” 2024.
Jogjarobotika.com, “High Concentration Liquid Flow sensor AICHI OF05ZAT 1/2 Inch,” jogjarobotika.com. [Online]. Available: https://jogjarobotika.com/flow-meter/2707-high-concentration-liquid-flow-sensor-aichi-of05zat-12-inch.html
E. Media’s, . S., and M. Rif’an, “Internet of Things (IoT): BLYNK Framework for Smart Home,” KnE Soc. Sci., vol. 3, no. 12, p. 579, 2019, doi: 10.18502/kss.v3i12.4128.
Fabacademy.org, “Interface and Application Programming,” Fabacademy.org. [Online]. Available: https://fabacademy.org/2023/labs/energylab/group-assignments/interface-and-application-programming/
N. Roustaei, “Application and interpretation of linear-regression analysis,” vol. 13, no. October 2024, pp. 151–159.
B. Wen et al., “A Quadratic Regression Model to Quantify Plantation Soil Factors That Affect Tea Quality,” 2021.
S. A. Laksono and A. R. Pratama, “Perbandingan metode linear regresi dan polynomial regresi untuk memprediksi harga saham studi kasus Bank BCA Comparison of linear regression and polynomial regression methods to predict stock prices BCA Bank case study,” vol. 4, pp. 59–70, 2023
