https://journal.istn.ac.id/sinusoida/issue/feed 2025-10-15T11:19:02+07:00 Ariman ariman@istn.ac.id Open Journal Systems <p style="text-align: justify;">Sinusoida adalah jurnal penelitian dan pengkajian elektro yang memuat artikel-artikel dari hasil penelitian atau studi pustaka berbasis pengetahuan di bidang telekomunikasi, elektronika, kontrol dan kelistrikan. Jurnal ini menerima naskah dari para penulis yang berasal baik dari individu maupun Institusi seperti Universitas, Lembaga Penelitian, Lembaga Pemerintah Non Departemen (LPND), dan lembaga-lembaga&nbsp; lain yang memiliki aktivitas dalam riset, ilmu pengetahuan, dan teknologi yang berkaitan dengan ilmu teknik elektro. Reviewer jurnal ini berasal dari berbagai institusi dengan keahliannya masing-masing. Jurnal Sinusoida terbit dua kali per tahun.</p> https://journal.istn.ac.id/sinusoida/article/view/2451 2025-10-15T11:19:02+07:00 Fivit Marwita pipitsalman@istn.ac.id M. Fadhli Abdillah pipitsalman@istn.ac.id Harry Toding K pipitsalman@istn.ac.id

<p>Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem kendali budidaya tanaman cabai merah secara aeroponik berbasis mikrokontroler ATmega2560. Sistem ini mengontrol tiga variabel masukan utama yaitu level air (u₁), dosis nutrisi (u₂), dan penyiraman akar (u₃) untuk menghasilkan tiga variabel keluaran yaitu tinggi cairan (y₁), kadar nutrisi (y₂), dan kelembapan akar (y₃). Seluruh komponen sensor dan aktuator telah terintegrasi dan bekerja secara otomatis serta real-time tanpa intervensi manual. Untuk meningkatkan akurasi pengendalian, diterapkan model Artificial Neural Network (ANN) dalam memodelkan hubungan input-output sistem. Evaluasi terhadap 23 sampel data menunjukkan performa model ANN yang baik, dengan nilai MAE sebesar 2.19, MSE 11.82, dan RMSE 3.44. Analisis statistik per output menunjukkan bahwa sistem mampu mengendalikan y₁ dan y₂ dengan tingkat kesalahan rendah, masing-masing MAE &lt; 1 dan &lt; 0.5, serta RMSE &lt; 1. Namun, pada output y₃ (kelembapan akar), kesalahan relatif tinggi (MAE 4.99 dan RMSE 5.83), mengindikasikan perlunya evaluasi ulang strategi kendali. Secara keseluruhan, sistem yang dikembangkan mampu meningkatkan efisiensi dan akurasi budidaya aeroponik cabai merah, meskipun diperlukan penyempurnaan lebih lanjut untuk parameter kelembapan akar.</p> <p><strong>Kata kunci: </strong>Artificial Neural Network (ANN), Mikrokontroler ATmega 2560, Sensor, Aeroponik.</p> <p>&nbsp;</p>

2025-10-17T00:00:00+07:00 Copyright (c) 2025 Fivit Marwita, M. Fadhli Abdillah, Harry Toding K