ANALISIS KLASIFIKASI KONDISI LARUTAN NUTRISI HIDROPONIK MENGGUNAKAN METODE LOGISTIC REGRESSION DAN SUPPORT VECTOR MACHINE

Perkembangan teknologi Internet of Things (IoT) dan Machine Learning memberikan peluang untuk meningkatkan efisiensi sistem monitoring hidroponik melalui pemanfaatan data sensor secara otomatis. Pada sistem hidroponik, pemantauan kondisi larutan nutrisi umumnya hanya menampilkan nilai pH dan suhu sehingga pengguna masih harus melakukan interpretasi secara manual untuk menentukan kondisi larutan nutrisi. Penelitian ini bertujuan membangun model klasifikasi kondisi larutan nutrisi hidroponik menggunakan algoritma Logistic Regression dan Support Vector Machine serta membandingkan performa kedua algoritma tersebut. Dataset yang digunakan merupakan hasil pembacaan sensor pH dan suhu sebanyak 2.227 data. Karena dataset belum memiliki label kelas, dilakukan proses rule-based labeling berdasarkan standar budidaya selada, yaitu pH 5,5–6,5 dan suhu 24–30°C sehingga diperoleh 2.099 data Normal dan 128 data Tidak Normal. Untuk mengatasi ketidakseimbangan data diterapkan metode Synthetic Minority Over-sampling Technique (SMOTE), kemudian data dinormalisasi menggunakan StandardScaler sebelum proses pelatihan model. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan Confusion Matrix. Hasil penelitian menunjukkan bahwa algoritma Logistic Regression memperoleh nilai akurasi sebesar 97,98%, sedangkan algoritma Support Vector Machine memperoleh nilai akurasi sebesar 98,65%. Selain itu, Support Vector Machine menghasilkan nilai precision sebesar 81%, recall sebesar 100%, dan F1-score sebesar 90%, lebih baik dibandingkan Logistic Regression yang memperoleh precision sebesar 74%, recall sebesar 100%, dan F1-score sebesar 85%. Berdasarkan hasil tersebut dapat disimpulkan bahwa algoritma Support Vector Machine memiliki performa terbaik dalam mengklasifikasikan kondisi larutan nutrisi hidroponik berdasarkan parameter pH dan suhu sehingga berpotensi diterapkan sebagai pendukung sistem monitoring hidroponik berbasis IoT.