MODEL PREDIKSI LEVEL AIR DI LAHAN PERKEBUNAN KELAPA SAWIT DENGAN JARINGAN SARAF TIRUAN BERDASARKAN PENGUKURAN SENSOR RAIN GAUGE DAN ULTRASONIK

HASAN AL-BANNA, Dr. Bayu Dwi Apri Nugroho, S.T.P., M.Agr;4. Dr. Radi, S.T.P., M.Eng.

2021 | Tesis | MAGISTER TEKNIK PERTANIAN

Pemantauan dan pengaturan level air di lahan rawa kelapa sawit mempunyai peranan yang penting untuk menyediakan air yang cukup bagi tanaman dan melestarikan lahan agar tidak mudah atau cepat mengalami penurunan kualitas. Pemantauan level air yang ada masih bersifat manual tentunya masih memiliki kelemahan salah satunya adalah tingkat kebenaran data yang diambil tergantung pada pengamat di lahan. Penggunaan teknologi seperti sensor yang terintegrasi dengan jaringan syaraf tiruan diharapkan dapat membantu dalam melakukan pengamatan dan pengaturan level air. Penelitian ini bertujuan untuk membangun model prediksi level air di lahan perkebunan kelapa sawit dengan jaringan syaraf tiruan berdasarkan pengukuran sensor rain gauge dan ultrasonik yang terpasang pada AWS. Berdasarkan hasil yang diperoleh menunjukkan model prediksi berjalan dengan baik dengan nilai R2 sebesar 0,994 dan RMSE 1,16 cm. Kemudian dilakukan pengujian keakuratan model prediksi level air pada penelitian ini untuk membuktikan tingkat keberhasilan model yang dibangun. Hasil pengujian keakuratan model prediksi level air pada musim kemarau diperoleh nilai R2 sebesar 0,96 dan RMSE sebesar 1,99 cm sedangkan pengujian keakuratan model prediksi level air pada musim hujan diperoleh nilai R2 sebesar 0,85 dan nilai RMSE sebesar 4,2 cm.

Monitoring and regulating water levels in oil palm swamps has an essential role in providing sufficient water for crops and conserving the land to not easily or quickly deteriorate. Presently, water level is still manual and has weaknesses, one of which is the accuracy of the data taken depending on the observer. Technology such as sensors integrated with artificial neural network is expected to observe and regulate water levels. This study aims to build a prediction model of water levels in oil palm plantations with artificial neural networks based on the rain gauge and ultrasonic sensors installed on Automatic Weather Station (AWS). The obtained results showed that the prediction model runs well with an R2 value of 0,994 and RMSE 1,16 cm. The water level prediction model in this research then tested for accuracy to prove the model's success rate. Testing the water level prediction model's accuracy in the dry season obtained an R2 value of 0,96 and an RMSE of 1,99 cm. Testing the water level prediction model's accuracy in the rainy season obtained an R2 value of 0,85 and an RMSE value of 4,2 cm

Kata Kunci : Automatic Weather Station, Jaringan Syaraf Tiruan, Kelapa Sawit Level Air.