<![CDATA[Sistem hidroponik bergantung pada suhu, kelembapan, intensitas cahaya, nutrisi, dan pH air sebagai variabel penting dalam pertumbuhan tanaman. Pengembangan sistem pemantauan dan pengendalian variabel tersebut sudah banyak dilakukan, namun masih terbatas pada sistem pengendalian manual. Kalaupun sudah otomatis, masih menggunakan sistem terbuka dengan menggunakan nilai ambang sebagai pemicu respon sistem. Sistem tersebut tidak dapat melakukan koreksi pada keadaan yang diperlukan selain menunggu sampai nilai ambangnya tercapai. Di sisi lain, sistem adaptif mampu melakukan koreksi berdasarkan umpan balik keluaran sistem sehingga sistem menjadi lebih responsif terhadap perubahan yang terjadi. Penelitian ini mengusulkan untuk membangun sebuah model umpan balik dengan mencari hubungan kepekatan nutrisi sebagai variabel terikat dengan variabel pH, intensitas cahaya, kelembapan, dan suhu sebagai variabel bebas dengan metode Knowledge Discovery in Database dan analisis regresi linear berganda. Penelitian ini menghasilkan sebuah model matematis berupa persamaan linear multivariabel yang menyatakan hubungan antara variabel terikat dan variabel bebasnya menggunakan IBM Statistical Package for Social Sciences. Hasil akhir menunjukkan regresi linear berganda dengan F(116, 119) = 8,390, p-value 0,000 yang lebih kecil dari 0,05 di mana variabel bebas dapat memprediksisi secara signifikan dari variabel terikatnya dengan tingkat kesalahan yang ditunjukkan oleh tingkat kesalahan 5,6% dengan variabel Air_Temp memberikan kontribusi paling signifikan terhadap variabel terikat TDS dengan p-value 0,015. Hydroponic system depends on some important variables for growing the plants such as temperature, humidity, light intensity, and water pH. There have been many developments in monitoring systems and variable control but they are limited to manual controlling systems. The existing automatic system still utilizes an open system with a threshold as the response trigger system. However, the system could not make corrections when needed until the threshold is achieved. On the other hand, the adaptive system can make corrections based on the feedback to be more responsive to ongoing changes. This research aims at designing the feedback model by discovering the correlation of nutrient concentration as the dependent variable with pH variable, light intensity, humidity, and temperature as the independent variable or predictor using Knowledge Discovery in Database method and multivariate linear regression analysis. The outcome of this result is the mathematical model of the multivariable linear equation describing the relations between the dependent variable and independent variables using the software IBM Statistical Package for Social Sciences. The final finding indicates that the ratio of F(116, 119)=8.390, p-value 0,000 which is less than 0,05 proved that the independent variables are able to predict significantly linearly dependent variables with a standard error of 5.6%. The Air_Temp contributes the most significant independent variable to the dependent variable TDS with a p-value of 0.015.]]>
