Smart Greenhouse IoT Berbasis AI

Metadata Penting:

• Klien: Kompetisi Mahasiswa Informatika Politeknik Nasional (KMIPN) VI
• Penyelenggara: Politeknik Negeri Jakarta (PNJ)
• Kategori Kompetisi: Internet of Things (IoT)
• Layanan yang Diberikan: IoT System Design, Hardware Engineering, Firmware Development, Backend Engineering, AI Integration
• Tahun Proyek: 2024 (Kompetisi: 01-03 Juli 2024)
• Tag/Teknologi: IoT, AI, Smart Greenhouse, ESP32, Sensor, Aktuator, Machine Learning, Python, Cloud (Asumsi)
• Status: Finalis

Ringkasan Proyek (Pengantar Singkat)

• Tujuan Utama: Merancang dan mengimplementasikan sebuah ekosistem Internet of Things (IoT) untuk Smart Greenhouse yang mampu mengoptimalkan kondisi lingkungan secara otomatis menggunakan prediksi berbasis Artificial Intelligence (AI).
• Peran Saya: Bertindak sebagai Hardware Engineer, Firmware Engineer, dan Backend Engineer, bertanggung jawab atas perancangan perangkat keras, pemrograman mikrokontroler, serta pengembangan sistem backend dan integrasi AI.
• Hasil Kunci: Berhasil mengembangkan prototipe fungsional dan mencapai posisi Finalis dalam Kompetisi Mahasiswa Informatika Politeknik Nasional (KMIPN) VI tahun 2024 untuk cabang lomba Internet of Things.

01. Tantangan (The Challenge)

• Konteks & Latar Belakang: Pertanian presisi di dalam greenhouse membutuhkan pemantauan dan kontrol lingkungan (seperti suhu, kelembaban, intensitas cahaya, dan nutrisi tanah) yang konstan dan akurat untuk memaksimalkan pertumbuhan tanaman. Metode kontrol manual atau otomatisasi berbasis aturan statis seringkali kurang efisien dan tidak mampu beradaptasi secara optimal terhadap perubahan kondisi eksternal maupun kebutuhan spesifik tanaman di setiap fase pertumbuhannya.
• Tujuan Spesifik: Mengembangkan sebuah sistem IoT yang tidak hanya memonitor, tetapi juga dapat menganalisis data historis dan memprediksi kondisi lingkungan ideal di masa depan menggunakan AI. Berdasarkan prediksi ini, sistem harus mampu secara proaktif mengontrol aktuator (seperti sistem irigasi, ventilasi, atau pencahayaan) untuk menciptakan ekosistem greenhouse yang optimal secara otomatis. Tantangan utamanya adalah mengintegrasikan komponen hardware, firmware, backend, dan model AI menjadi satu sistem yang kohesif dan responsif.

02. Solusi & Proses Saya (The Solution & My Process)

• Pendekatan: Kami mengadopsi pendekatan sistem terintegrasi, di mana data sensor dari greenhouse dikirim ke cloud untuk dianalisis oleh model AI. Hasil prediksi AI kemudian dikirim kembali ke mikrokontroler di greenhouse untuk mengaktifkan aktuator yang sesuai.
• Proses Pengembangan:
  • Perancangan Hardware: Saya bertanggung jawab merancang dan merakit simpul sensor (menggunakan mikrokontroler ESP32 sebagai inti) yang mengukur parameter penting seperti suhu udara, kelembaban udara, intensitas cahaya, dan kelembaban tanah. Saya juga merancang sistem kontrol untuk aktuator, termasuk pompa air, kipas ventilasi, dan lampu grow light (asumsi). * Pengembangan Firmware: Saya memprogram mikrokontroler ESP32 menggunakan C++/Arduino (asumsi) untuk:
    • Membaca data dari semua sensor secara periodik.
    • Mengirimkan data sensor ke backend melalui protokol MQTT/HTTP (asumsi).
    • Menerima perintah dari backend untuk mengaktifkan atau menonaktifkan aktuator.
    • Mengimplementasikan logika fail-safe dasar jika koneksi ke backend terputus.
  • Pengembangan Backend & AI: Saya membangun backend menggunakan Python/Flask (asumsi) yang berfungsi untuk:
    • Menerima dan menyimpan data sensor ke database (asumsi: InfluxDB/MySQL).
    • Melatih model Machine Learning (asumsi: Regresi/Time Series Analysis) menggunakan data historis untuk memprediksi kebutuhan lingkungan tanaman (misalnya, kapan perlu disiram, kapan perlu ventilasi).
    • Menganalisis hasil prediksi AI dan menerjemahkannya menjadi perintah spesifik untuk aktuator.
    • Mengirimkan perintah tersebut kembali ke mikrokontroler di greenhouse.
      • Integrasi & Pengujian: Melakukan pengujian menyeluruh pada setiap komponen (sensor, aktuator, konektivitas, backend, logika AI) dan mengintegrasikannya menjadi satu sistem fungsional. Melakukan simulasi dan kalibrasi untuk memastikan sistem berjalan sesuai harapan.

03. Hasil & Dampak (Results & Impact)

• Prototipe Fungsional: Berhasil membangun dan mendemonstrasikan prototipe kerja dari ekosistem Smart Greenhouse IoT berbasis AI yang mampu memonitor dan mengontrol lingkungan secara otomatis berdasarkan analisis prediktif.
• Pencapaian Finalis KMIPN VI: Sistem yang kami kembangkan berhasil lolos seleksi dan membawa tim kami ke babak final Kompetisi Mahasiswa Informatika Politeknik Nasional (KMIPN) VI 2024 cabang IoT yang diselenggarakan di Politeknik Negeri Jakarta. Ini merupakan validasi atas konsep dan implementasi teknis yang kami lakukan.
  • Pembelajaran: Proyek ini memberikan pengalaman berharga dalam merancang sistem IoT end-to-end, mulai dari hardware tingkat rendah hingga aplikasi backend dan integrasi machine learning di cloud.