PERAN ARTIFICIAL INTELLIGENCE DALAM PREDIKSI HASIL TANAMAN:META-SINTESIS LITERATUR TERKINI

Abstract

          Penelitian ini bertujuan untuk mengembangkan sistem prediksi kelembaban tanah berbasis Internet of Things (IoT) dan algoritma Long Short-Term Memory (LSTM) sebagai upaya mendukung pertanian presisi yang efisien dan berbasis data. Metode yang digunakan adalah Systematic Literature Review (SLR) untuk menelaah dan menganalisis berbagai publikasi ilmiah terkait penerapan IoT dan kecerdasan buatan dalam sektor pertanian, khususnya dalam prediksi kelembaban tanah. Dari hasil studi literatur, diperoleh pemahaman mendalam mengenai pendekatan teknis yang dapat digunakan dalam perancangan sistem monitoring dan prediksi. Model LSTM dipilih karena kemampuannya dalam memproses data deret waktu dan menghasilkan prediksi yang akurat. Penelitian ini menghasilkan rancangan konseptual sistem yang mengintegrasikan teknologi IoT dengan pemodelan prediktif, yang diharapkan dapat membantu petani dalam pengambilan keputusan irigasi secara lebih tepat guna, efisien, dan berkelanjutan.

          This study aims to develop a soil moisture prediction system based on the Internet of Things (IoT) and the Long Short-Term Memory (LSTM) algorithm as an effort to support efficient and data-driven precision agriculture. The research method used is Systematic Literature Review (SLR), which involves examining and analyzing various scientific publications related to the application of IoT and artificial intelligence in the agricultural sector, particularly for soil moisture prediction. The literature review provides in-depth insights into technical approaches that can be applied in designing monitoring and prediction systems. The LSTM model is chosen for its ability to process time-series data and generate accurate predictions. This study produces a conceptual design of a system that integrates IoT technology with predictive modeling, which is expected to assist farmers in making more efficient, accurate, and sustainable irrigation decisions.