Ensemble Model For Smart Farming Predictive Control In IoT-Driven Smart Farming [AJG]

Abstract

Penggunaan IoT dalam pertaniaan cerdas memungkinkan pengumpulan data lingkungan secara real-time. Namun, tanpa sistm pengendalian otomatis, data ini belum dimanfaatkan secara optimal. Penelitian ini mengusulkan model ensamble learning yang menggabungkan lima algoritma Machine Learning (Random Forest, KNN, Gradinet Boosting, XGBoost, dan GMM) untuk memprediksi status aktuator dalam sistem pertanian. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1- score. Hasil menunjukan bahwa model ensamble lebih akurat dan stabul dibandingkan model tunggal, sehingga berpotensi meningkatkan efisiensi dan mengurangi intervensi manual dalam sistem berbasis IoT