Optimasi Sensor Suhu dan Kelembaban pada Sistem Kendali Otomatis Kumbung Jamur Berbasis Machine Learning

Budidaya jamur tiram (Pleurotus ostreatus) menuntut pengendalian lingkungan yang presisi, khususnya pada parameter suhu dan kelembaban, guna memastikan pertumbuhan optimal serta mencegah kerusakan akibat kondisi ekstrem.
Penelitian ini bertujuan untuk mengembangkan sistem kendali otomatis berbasis machine learning yang mampu mengoptimalkan performa sensor suhu dan kelembaban dalam kumbung jamur. Dengan memanfaatkan mikrokontroler ESP32 dan sensor DHT11, sistem dirancang untuk membaca, menganalisis, dan mengendalikan kondisi lingkungan secara real-time. Model machine learning yang diterapkan, berupa regresi linier dan algoritma prediktif lainnya, digunakan untuk memproses data historis serta menghasilkan respons adaptif terhadap
fluktuasi suhu dan kelembaban. Hasil pengujian menunjukkan bahwa sistem ini mampu meningkatkan akurasi kontrol lingkungan dibandingkan metode manual, serta menurunkan tingkat kesalahan pembacaan suhu dan kelembaban. Selain itu,
sistem menunjukkan efisiensi energi yang lebih baik dengan hanya mengaktifkan perangkat aktuator sesuai kebutuhan prediktif. Penerapan pendekatan ini berkontribusi pada peningkatan produktivitas dan kualitas panen jamur, sekaligus memberikan solusi yang lebih efisien, adaptif, dan berkelanjutan dalam sektor pertanian modern berbasis teknologi.
Kata kunci: Jamur Tiram, Sensor Suhu dan Kelembaban, Kendali Otomatis, ESP32, Machine Learning, Regresi Linier