Implementasi Algoritma XGBoost Untuk Prediksi Kondisi Lingkungan Pada Budidaya Jamur Tiram

Andika Syarif Hidayatullah; Windarsyah Windarsyah; Ayu Ahadi Ningrum

doi:10.30591/smartcomp.v15i3.10458

Implementasi Algoritma XGBoost Untuk Prediksi Kondisi Lingkungan Pada Budidaya Jamur Tiram

Andika Syarif Hidayatullah, Windarsyah Windarsyah, Ayu Ahadi Ningrum

Abstract

Budidaya jamur tiram (Pleurotus ostreatus) memerlukan pengendalian lingkungan yang presisi pada lima parameter kritis: suhu, kelembapan, intensitas cahaya, kadar CO₂, dan pH substrat. Penyimpangan dari rentang optimal pada salah satu parameter tersebut dapat menghambat pertumbuhan miselium hingga menyebabkan kegagalan panen. Sistem monitoring manual bersifat reaktif dan rentan terhadap keterlambatan respons, sehingga pendekatan prediktif menjadi kebutuhan yang mendesak. Penelitian ini mengimplementasikan klasifikasi langsung berbasis XGBoost untuk memprediksi kondisi lingkungan kumbung 6 jam ke depan menggunakan data sensor IoT yang direkam setiap 30 detik selama 17 hari dengan total 50.087 baris data. Pelabelan dilakukan pada nilai sensor aktual menggunakan aturan berjenjang yang membedakan sensor kritis (suhu, kelembapan, pH) dan sensor toleran (intensitas cahaya, CO₂), kemudian XGBClassifier dilatih secara langsung pada label tersebut. Ketidakseimbangan kelas ditangani menggunakan class weight seimbang dan threshold optimal dipilih berdasarkan MCC tertinggi. Hasil menunjukkan Balanced Accuracy 69,90% dan MCC 0,4296, dengan kelas cukup mencapai recall 0,92 dan kelas optimal mencapai precision 0,88. Sistem ini menjadi fondasi intervensi proaktif pada budidaya jamur cerdas berbasis IoT.

Keywords

XGBoost; Machine Learning; IoT; Budidaya Jamur Tiram

Full Text:

References

V. Moysiadis, G. Kokkonis, S. Bibi, I. Moscholios, N. Maropoulos, and P. Sarigiannidis, “Monitoring Mushroom Growth with Machine Learning,” Agriculture, vol. 13, no. 1, pp. 223, Jan. 2023, doi: 10.3390/agriculture13010223.

Y. Mulyanto, F. Idifitriani, E. S. Susanto, and S. Sulastri, “Implementasi Sistem Monitoring Berbasis Internet Of Things (IoT) pada Rumah Budidaya Jamur Tiram,” Digital Transformation Technology, vol. 3, no. 2, pp. 871–878, Jan. 2024, doi: 10.47709/digitech.v3i2.3404.

R. A. Rahman, D. N. Ramadan, S. Hadiyoso, S. S. Maidin, and I. D. Irawati, “A Smart Kumbung For Monitoring and Controlling Environment in Oyster Mushroom Cultivation Based on Internet of Things Framework,” Journal of Applied Engineering and Technological Science (JAETS), vol. 5, no. 1, pp. 245–257, Dec. 2023, doi: 10.37385/jaets.v5i1.2248.

A. Anggrawan, C. Satria, and M. Zulfikri, “Building an IoT-Based Oyster Mushroom Cultivation and Control System and Its Practical Learning Effects on Students,” TEM Journal, pp. 1853–1867, Aug. 2023, doi: 10.18421/TEM123-69.

J. L. Chong, K. W. Chew, A. P. Peter, H. Y. Ting, and P. L. Show, “Internet of Things (IoT)-Based Environmental Monitoring and Control System for Home-Based Mushroom Cultivation,” Biosensors (Basel)., vol. 13, no. 1, pp. 98, Jan. 2023, doi: 10.3390/bios13010098.

S. Arsella, M. Fadhli, and L. Lindawati, “Optimasi Pertumbuhan Jamur Tiram Melalui Monitoring Suhu dan Kelembaban Menggunakan Teknologi IoT,” Jurnal RESISTOR (Rekayasa Sistem Komputer), vol. 6, no. 1, pp. 34–42, Apr. 2023, doi: 10.31598/jurnalresistor.v6i1.1405.

Shafie Omar et al., “IoT Enabled Mushroom Farm Automation with Machine Learning,” Advanced and Sustainable Technologies (ASET), vol. 3, no. 1, pp. 29–37, Jun. 2024, doi: 10.58915/aset.v3i1.786.

M. E. N. Ntihung, P. Sugiartawan, and A. Willdalia, “Sistem Informasi Monitoring Kumbung Jamur Tiram Berbasis Internet of Things,” IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), vol. 14, no. 1, pp. 105, Apr. 2024, doi: 10.22146/ijeis.95513.

E. Budihartono and A. Rakhman, “Monitoring Suhu dan Kelembaban Tanah pada Budidaya Porang Berbasis Arduino,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 11, no. 1, pp. 9–13, Jan. 2022, doi: 10.30591/smartcomp.v11i1.3225.

M. Wang et al., “Temperature Prediction of Mushrooms Based on a Data—Physics Hybrid Approach,” Agriculture, vol. 14, no. 1, pp. 145, Jan. 2024, doi: 10.3390/agriculture14010145.

I. L. Rahmah, A. Nugroho, and R. Y. M. T. Siregar, “Prediksi Curah Hujan Menggunakan Random Forest dan VAR di Kediri Raya,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 7, no. 4, pp. 539–545, Oct. 2025, doi: 10.47233/jteksis.v7i4.2141.

J. Ge et al., “Prediction of Greenhouse Tomato Crop Evapotranspiration Using XGBoost Machine Learning Model,” Plants, vol. 11, no. 15, pp. 1923, Jul. 2022, doi: 10.3390/plants11151923.

A. Devia and B. Soewito, “Analisis Perbandingan Metode Seleksi Fitur untuk Mendeteksi Anomali pada Dataset CIC-IDS-2018,” Jurnal Teknologi Dan Sistem Informasi Bisnis-JTEKSIS, vol. 5, no. 4, p. 572, 2023, doi: 10.47233/jteksis.v5i4.1069.

N. P. E. Apriyanthi, C. M. Dhewanty, P. D. W. Ayu, I. M. R. A. Nugroho, and I. W. R. Wijaya, “Analisis Performa Komparatif Algoritma Machine Learning untuk Deteksi Fraud dalam Transaksi Blockchain,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 8, no. 1, pp. 8–15, Jan. 2026, doi: 10.47233/jteksis.v8i1.2285.

J. Latifah, F. D. Marleny, A. A. Ningrum, and M. Munsyi, “SISTEM PREDIKSI KUALITAS AIR SUNGAI PADA PULAU CURIAK MENGGUNAKAN ALGORITMA RANDOM FOREST,” Technologia : Jurnal Ilmiah, vol. 16, no. 3, pp. 503, Jul. 2025, doi: 10.31602/tji.v16i3.19329.

Shafie Omar et al., “IoT Enabled Mushroom Farm Automation with Machine Learning,” Advanced and Sustainable Technologies (ASET), vol. 3, no. 1, pp. 29–37, Jun. 2024, doi: 10.58915/aset.v3i1.786.

M. Wang et al., “Temperature Prediction of Mushrooms Based on a Data—Physics Hybrid Approach,” Agriculture, vol. 14, no. 1, pp. 145, Jan. 2024, doi: 10.3390/agriculture14010145.

J. Ge et al., “Prediction of Greenhouse Tomato Crop Evapotranspiration Using XGBoost Machine Learning Model,” Plants, vol. 11, no. 15, pp. 1923, Jul. 2022, doi: 10.3390/plants11151923.

M. S. Jacob, A. Xu, K. Qian, Z. Qi, X. Li, and B. Zhang, “Artificial Intelligence in Edible Mushroom Cultivation, Breeding, and Classification: A Comprehensive Review,” Journal of Fungi, vol. 11, no. 11, pp. 758, Oct. 2025, doi: 10.3390/jof11110758.

B. Rajkumar and R. Umagandhi, “IoT-Enabled Real-Time Monitoring and Machine Learning-Based Prediction System for Optimizing Tea Withering Process,” Communications on Applied Nonlinear Analysis, vol. 31, no. 8s, pp. 56–86, Sep. 2024, doi: 10.52783/cana.v31.1457.

P. Sugiartawan and I. G. N. Desnanjaya, “Smart Farming Untuk Pengaturan Suhu Ruangan Pada Budidaya Jamur Tiram Berbasis Backpropagation,” IJEIS (Indonesian Journal of Electronics and Instrumentation Systems), vol. 12, no. 2, pp. 191, Oct. 2022, doi: 10.22146/ijeis.78546.

DOI: https://doi.org/10.30591/smartcomp.v15i3.10458