Pengolahan Data Sensor IoT Dengan Computer Vision Dan Pre-Trained LLM Untuk Sistem Pendukung Keputusan Pada Pertanian Hidroponik

Abstract

Penelitian ini mengembangkan sistem pendukung keputusan berbasis Internet of Things (IoT), Computer Vision, dan model bahasa besar (Large Language Model/LLM) untuk pertanian hidroponik. Sistem memantau pH, TDS, dan suhu melalui sensor yang terhubung via MQTT, serta mengumpulkan data cuaca harian sebagai variabel eksternal. Citra tanaman dianalisis menggunakan YOLOv8 untuk klasifikasi kondisi sehat atau tidak sehat, dan jika terdeteksi tidak sehat, sistem mengirimkan gambar ke API Kindwise untuk diagnosis penyakit. Data disimpan dalam SQLite dan pengetahuan domain dari dokumen PDF dikelola dalam ChromaDB menggunakan Sentence Transformers untuk mendukung RAG (Retrieval-Augmented Generation) melalui model LLM DeepSeek dengan LangChain. Interaksi pengguna dilakukan melalui chatbot WhatsApp berbasis Node.js, memungkinkan respons cerdas berbasis konteks data dan pengetahuan. Hasilnya menunjukkan bahwa sistem ini mampu meningkatkan efisiensi pengambilan keputusan dalam budidaya hidroponik secara otomatis dan adaptif.