Ubah Wajah Pertanian: Otomatisasi Digital Kini Kendalikan Budidaya Melon di BRMP SDLP
Bogor, 3 Juni 2026 – Komitmen Balai Besar Perakitan dan Modernisasi Sumber Daya Lahan Pertanian (BRMP SDLP) dalam mewujudkan pertanian masa depan terus berlanjut. Fasilitas budidaya melon hidroponik di Smart Greenhouse (SGH) Puspita Farm 2 yang telah dibangun dengan konsep smart farming sejak tahun 2021, kini kembali mendapatkan pengembangan teknologi yang semakin cerdas.
Guna terus meningkatkan efektivitas dan kinerja sistem smart farming yang telah diterapkan, tim PRIMEDOOR, yang terdiri atas mahasiswa semester VI Sekolah Vokasi IPB University program studi Teknologi Rekayasa Komputer, menjalin berkolaborasi dengan BRMP SDLP, melalui program MBKM dalam rangka penyelesaian tugas akhir mata kuliah Proyek Sistem IoT. Melalui kegiatan ini, tim mengembangkan ekosistem Internet of Things (IoT) yang telah tersedia dengan mengintegrasikan teknologi Machine Learning. Inovasi tersebut dirancang untuk mendukung pemantauan kondisi budidaya serta pengambilan keputusan otomatis yang lebih akurat sesuai kebutuhan tanaman melon, sehingga pengelolaan pertanaman dapat dilaukan secara lebih presisi sejak fase penanaman hingga masa panen.
"Pengembangan sistem ini adalah wujud konsistensi kami dalam memajukan Smart Agriculture yang telah dibangun sejak 2021. Kehadiran inovasi serta penerapan Machine Learning dari adik-adik PRIMEDOOR semakin menyempurnakan ekosistem di balai kami, sekaligus membuka ruang edukasi masyarakat tentang pentingnya pertanian berbasis teknologi," ujar Hafiedh Adi Nugroho, Penanggungjawab SGH BRMP SDLP.
Sistem Otomatis dengan Kendali ESP32 dan Machine Learning
Sistem IoT terbaru yang dikembangkan mampu memantau kondisi lingkungan dan aliran air pada instalasi hidroponik Nutrient Film Technique (NFT) secara real-time. Berbagai sensor terintegrasi digunakan untuk mengukur sejumlah parameter penting, meliputi suhu udara, intensitas cahaya, kelembapan, tingkat keasaman (pH) air, suhu air, serta konsentrasi nutrisi yang dinyatakan dalam satuan parts per million (PPM).
Data yang diperoleh dari seluruh sensor kemudian dikumpulkan dan diolah oleh mikrokontroler ESP32 sebagai pusat kendali sistem. Perangkat ini berfungsi mengirimkan data pemantauan ke server secara nirkabel. Selain itu, ESP32 juga mengendalikan operasional pompa nutrisi dan kipas exhaust, baik secara otomatis berdasarkan hasil pembacaan sensor maupun secara manual melalui website. Dengan sistem ini, pengelolaan lingkungan tumbuh tanaman dapat dilakukan secara lebih responsif, efisien, dan presisi sesuai kebutuhan tanaman pada setia fase pertumbuhannya.
Kemampuan otomatisasi pada sistem ini didukung oleh penerapan teknologi kecerdasan buatan (Machine Learning) menggunakan metode Random Forest. Algoritma tersebut berperan sebagai pusat pengambilan keputusan yang mengolah data hasil pembacaan sensor untuk menentukan tindakan yang sesuai dengan kebutuhan tanaman. Berdasarkan nilai ambang batas (threshold) yang telah ditetapkan, sistem mampu menyesuaikan pemberian nutrisi secara lebih akurat dan tepat sasaran.
Raden Tuhibagus Ahmad Khaerudin Sazira, perwakilan dari tim PRIMEDOOR menjelaskan bahwa sistem dirancang untuk merekam waktu tanam sejak hari pertama. Selanjutnya, algoritma Machine Learning akan menganalisis data yang tersedia untuk mengidentifikasi fase pertumbuhan tanaman melon, baik fase vegetatif maupun generatif. Informasi tersebut kemudian digunakan sebagai dasar dalam menentukan komposisi dan jumlah nutrisi yang dibutuhkan tanaman pada setiap tahap pertumbuhannya. “Dengan pendekatan ini, sistem dapat secara otomatis mengatur penyaluran nutrisi sesuai kebutuhan spesifik tanaman, sehingga proses budidaya menjadi lebih presisi, efisien, dan optimal hingga memasuki masa panen,” jelasnya.
Satu Platform Website untuk Edukasi dan Kendali
Seluruh fitur tersebut terintegrasi dalam sebuah platform website interaktif dapat diakses melalui tautan https://puspitafarm.bbsdlp.com. Melalui halaman publik yang tersedia, pengguna dapat memantau secara langsung hasil pengukuran berbagai sensor beserta visualisasi grafik tren kondisi Smart Greenhouse (SGH) secara real-time. Website ini juga menyediakan informasi mengenai Smart Agriculture, publikasi kegiatan, serta profil dan kontak resmi BRMP SDLP dan tim PRIMEDOOR, sehingga menjadi sarana pemantauan sekaligus diseminasi inovasi pertanian digital.
Website ini juga berfungsi sebagai pusat kendali yang dilengkapi sistem autentikasi pengguna. Melalui fitur teknisi lapangan, pengguna dapat mengoperasikan pompa nutrisi dan exhaust fan dari jarak jauh menggunakan smartphone maupun perangkat elektronik lainnya. Selain itu, tersedia fitur admin yang memiliki akses untuk melakukan konfigurasi sistem, mengelola data pemantauan, serta mengunduh riwayat data (raw data) yang dapat dimanfaatkan untuk keperluan evaluasi, analisis, dan penelitian lebih lanjut.
Pembaruan sistem ini memberikan manfaat nyata dalam pengelolaan budidaya sehari-hari. Diar, teknisi di Puspita Farm 2, mengaku sangat terbantu dengan peningkatan fitur otomatisasi yang diterapkan. “Pengembangan ini sangat membantu. Jika sebelumnya masih diperlukan beberapa penyesuaian secara manual, kini seluruh sistem dapat dipantau dan dikendalikan lebih detail melalui ponsel dari jarak jauh. Pekerjaan menjadi lebih mudah dan efisien,” ungkapnya.
Pada teknologi sebelumnya, pengendalian pompa nutrisi masih dilakukan secara semi-otomatis berdasarkan target dosis yang disesuaikan oleh pengguna, sedangkan pengoperasian exhaust fan masih dilakukan secara manual menggunakan smart switch. Kini, teknologi terbaru yang dikembangkan telah mengintegrasikan sistem IoT dan algoritma Random Forest untuk mengendalikan operasional pompa nutrisi secara otomatis berdasarkan pembacaan sensor dan fase pertumbuhan tanaman. Selain itu, exhaust fan dapat beroperasi secara otomatis berdasarkan pembacaan sensor terhadap nilai suhu, kelembapan, dan intensitas cahaya di dalam smart greenhouse. Dengan demikian, sistem mampu meningkatkan ketepatan pemberian nutrisi, mengurangi beban kerja teknisi lapangan, serta meningkatkan efisiensi penggunaan energi dibandingkan sistem sebelumnya.
Pengembangan lanjutan di SGH Puspita Farm 2 membuktikan bahwa kolaborasi instansi pemerintah dan kalangan akademisi dapat menghasilkan inovasi pertanian modern yang adaptif dan berkelanjutan. Melalui integrasi teknologi IoT dan Machine Learning sistem budidaya yang lebih cerdas dan efisien kini semakin nyata diterapkan di lapangan. Masyarakat dapat memantau implementasi teknologi tersebut secara langsung melalui website resmi Puspita Farm, sekaligus melihat bagaimana transformasi digital berkontribusi dalam mendukung kemajuan pertanian Indonesia.