Peningkatan Literasi Smart Farming melalui Pelatihan Monitoring Kelembapan Tanah dan Kontrol Pompa Otomatis Berbasis Internet of Things bagi Alumni Geografi Universitas Negeri Makassar di Kota Makassar, Sulawesi Selatan

Penulis

  • Nurul Afdal Haris Jurusan Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Makassar, Makassar, Indonesia
  • Uca Uca Jurusan Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Makassar, Makassar, Indonesia
  • Galih Citra Yogyanti Jurusan Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Makassar, Makassar, Indonesia
  • Criana Dulvita Jurusan Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Makassar, Makassar, Indonesia
  • Saputra Saputra Jurusan Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Makassar, Makassar, Indonesia
  • Muhammad Syukron Jurusan Teknik Informatika dan Komputer, Fakultas Teknik, Universitas Negeri Makassar, Makassar, Indonesia

DOI:

https://doi.org/10.54082/jpmii.1454

Kata Kunci:

alumni Geografi, Internet of Things, kelembapan tanah, respons pascapelatihan, smart farming

Abstrak

Persepsi bahwa berkebun merupakan aktivitas konvensional dapat membatasi minat lulusan perguruan tinggi terhadap pertanian. Kegiatan pengabdian ini bertujuan memperkenalkan konsep dan praktik operasional smart farming dan mendeskripsikan respons alumni Jurusan Geografi Universitas Negeri Makassar setelah mengikuti pelatihan monitoring kelembapan tanah dan kontrol pompa otomatis berbasis Internet of Things. Kegiatan dilaksanakan pada Selasa, 25 Agustus 2026 di Ruang Microteaching, Gedung B Jurusan Geografi FMIPA Universitas Negeri Makassar, Kota Makassar, Sulawesi Selatan. Sebanyak 20 alumni mengikuti pengenalan konsep, demonstrasi sistem sensor–mikrokontroler–relay–pompa, serta praktik terpandu membaca dashboard dan mengamati pengaturan ambang 30%–60%. Data evaluasi yang tersedia berupa rekap akhir tiga indikator dengan respons dikotomis, yaitu respons positif terhadap berkebun, keterbukaan terhadap teknologi, dan penerimaan Internet of Things untuk mulai berkebun. Respons positif dikodekan apabila peserta pada sesi penutup menyatakan bahwa berkebun dipandang lebih modern atau relevan dan rasa gengsi berkurang. Sebanyak 17 peserta (85%; IK Wilson 95%: 64,0%–94,8%) memberikan respons positif pascapelatihan. Seluruh peserta (100%; IK Wilson 95%: 83,9%–100%) menunjukkan keterbukaan terhadap teknologi dan menerima Internet of Things untuk berkebun. Seluruh peserta mengikuti praktik terpandu, tetapi penguasaan operasional individual belum diukur dengan lembar observasi keterampilan. Hasil ini merupakan gambaran evaluasi akhir, bukan bukti perubahan berdasarkan pengukuran sebelum dan sesudah kegiatan.

Referensi

Badan Pusat Statistik. (2023, December 4). Hasil pencacahan lengkap Sensus Pertanian 2023—Tahap I. https://www.bps.go.id/id/pressrelease/2023/12/04/2050/hasil-pencacahan-lengkap-sensus-pertanian-2023-tahap-i.html

Brown, L. D., Cai, T. T., & DasGupta, A. (2001). Interval estimation for a binomial proportion. Statistical Science, 16(2), 101–133. https://doi.org/10.1214/ss/1009213286

Fuentes, S., & Chang, J. (2022). Methodologies used in remote sensing data analysis and remote sensors for precision agriculture. Sensors, 22(20), 7898. https://doi.org/10.3390/s22207898

Gzar, D. A., Mahmood, A. M., & Al-Adilee, M. K. A. (2022). Recent trends of smart agricultural systems based on Internet of Things technology: A survey. Computers & Electrical Engineering, 104, 108453. https://doi.org/10.1016/j.compeleceng.2022.108453

Huo, D., Malik, A. W., Ravana, S. D., Rahman, A. U., & Ahmedy, I. (2024). Mapping smart farming: Addressing agricultural challenges in data-driven era. Renewable and Sustainable Energy Reviews, 189, 113858. https://doi.org/10.1016/j.rser.2023.113858

Jaiswal, N., Kumar, T. V., & Shukla, C. (2025). Smart drip irrigation systems using IoT: A review of architectures, machine learning models, and emerging trends. Discover Agriculture, 3, 253. https://doi.org/10.1007/s44279-025-00430-1

Morchid, A., Jebabra, R., Khalid, H. M., El Alami, R., Qjidaa, H., & Jamil, M. O. (2024). IoT-based smart irrigation management system to enhance agricultural water security using embedded systems, telemetry data, and cloud computing. Results in Engineering, 23, 102829. https://doi.org/10.1016/j.rineng.2024.102829

Obaideen, K., Yousef, B. A. A., AlMallahi, M. N., Tan, Y. C., Mahmoud, M., Jaber, H., & Ramadan, M. (2022). An overview of smart irrigation systems using IoT. Energy Nexus, 7, 100124. https://doi.org/10.1016/j.nexus.2022.100124

Pathmudi, V. R., Khatri, N., Kumar, S., Abdul-Qawy, A. S. H., & Vyas, A. K. (2023). A systematic review of IoT technologies and their constituents for smart and sustainable agriculture applications. Scientific African, 19, e01577. https://doi.org/10.1016/j.sciaf.2023.e01577

Qazi, S., Khawaja, B. A., & Farooq, Q. U. (2022). IoT-equipped and AI-enabled next generation smart agriculture: A critical review, current challenges and future trends. IEEE Access, 10, 21219–21235. https://doi.org/10.1109/ACCESS.2022.3152544

Quy, V. K., Hau, N. V., Anh, D. V., Quy, N. M., Ban, N. T., Lanza, S., Randazzo, G., & Muzirafuti, A. (2022). IoT-enabled smart agriculture: Architecture, applications, and challenges. Applied Sciences, 12(7), 3396. https://doi.org/10.3390/app12073396

Radočaj, D., Jurišić, M., & Gašparović, M. (2022). The role of remote sensing data and methods in a modern approach to fertilization in precision agriculture. Remote Sensing, 14(3), 778. https://doi.org/10.3390/rs14030778

Rehman, A., Saba, T., Kashif, M., Fati, S. M., Bahaj, S. A., & Chaudhry, H. (2022). A revisit of Internet of Things technologies for monitoring and control strategies in smart agriculture. Agronomy, 12(1), 127. https://doi.org/10.3390/agronomy12010127

Rokade, A., Singh, M., Malik, P. K., Singh, R., & Alsuwian, T. (2022). Intelligent data analytics framework for precision farming using IoT and regressor machine learning algorithms. Applied Sciences, 12(19), 9992. https://doi.org/10.3390/app12199992

Sharma, K., & Shivandu, S. K. (2024). Integrating artificial intelligence and Internet of Things (IoT) for enhanced crop monitoring and management in precision agriculture. Sensors International, 5, 100292. https://doi.org/10.1016/j.sintl.2024.100292

Sideng, U., Upu, H., Haris, N. A., & Rahmayana, D. (2023). 2D simulation of design discharge in flood hazard spatial analysis using HEC-RAS (case study Mata Allo Sub-Watershed, Enrekang, Indonesia). Geographia Technica, 18(2), 1–13. https://doi.org/10.21163/GT_2023.182.01

Wang, B., & Dong, H. (2023). Research on the farmers’ agricultural digital service use behavior under the rural revitalization strategy—Based on the extended technology acceptance model. Frontiers in Environmental Science, 11, 1180072. https://doi.org/10.3389/fenvs.2023.1180072

Unduhan

Diterbitkan

31-08-2026

Cara Mengutip

Haris, N. A., Uca, U., Yogyanti, G. C., Dulvita, C., Saputra, S., & Syukron, M. (2026). Peningkatan Literasi Smart Farming melalui Pelatihan Monitoring Kelembapan Tanah dan Kontrol Pompa Otomatis Berbasis Internet of Things bagi Alumni Geografi Universitas Negeri Makassar di Kota Makassar, Sulawesi Selatan. Jurnal Pengabdian Masyarakat Inovasi Indonesia, 4(4), 431–440. https://doi.org/10.54082/jpmii.1454

Terbitan

Vol 4 No 4 (2026): JPMII - Agustus 2026

Bagian

Artikel

Lisensi

Hak Cipta (c) 2026 Nurul Afdal Haris, Uca Uca, Galih Citra Yogyanti, Criana Dulvita, Saputra Saputra, Muhammad Syukron

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.