@thesis{thesis,
		author={Fadillah  Aditiya},
		title ={Aplikasi Sistem Monitoring Pertanian Presisi Menggunakan Metode Recurrent Neural Network Berbasis Internet Of Thing},
		year={2020},
		url={http://elibrary.unikom.ac.id/id/eprint/4564/},
		abstract={Pertanian merupakan sektor paling besar dalam pembangunan perekonomian masyarakat Indonesia, hal ini dapat ditunjukkan oleh Badan Pusat Statistik (BPS) pada tahun 2018 sekitar 88,56% penduduk Indonesia bekerja pada sektor pertanian, akan tetapi dibeberapa wilayah seperti Afrika, Asia Tenggara dan Asia Barat mengalami situasi penurunan ketahanan pangan. Ada beberapa indikator yang mempengaruhi ketahanan pangan diantaranya seperti pola tanam, waktu tanam, produksi dan kualitas hasil panen. Dari pola-pola tersebut munculah kebiasaan petani dalam bercocok tanam yang masih mengandalkan prediksi tanpa adanya data akurat dan masih menggunakan cara manual. Tujuan dari penelitian ini adalah untuk mengurangi kegagalan panen, dan juga membantu petani dalam bercocok tanam dengan baik berdasarkan data. Data-data yang diperlukan seperti data perkiraan cuaca dari Kaggle, data tanaman dari dinas pertanian, dan data pengukuran dari hasil pengukuran alat. Dari ketiga parameter tersebutlah yang nantinya akan dijadikan sebagai pengolahan data untuk rekomendasi jenis tanaman apa yang cocok ditanam pada musim tersebut. Untuk dapat merekomendasikan  jenis tanaman berdasarkan pada musim depan itu diperlukannya suatu metode yang bisa memprediksi cuaca dimusim depan, metode yang digunakan yaitu Recurrent Neural Network (RNN), yaitu suatu metode yang digunakan untuk data time series. Dengan adanya sistem ini diharapkan para petani dapat lebih mengetahui rekomendasi jenis tanaman apa yang sesuai dengan musim tersebut. Sehingga tingkat kegagalan panenpun dapat diminimalisir.}
		}