Abstract
Peningkatan populasi di Indonesia telah menyebabkan penurunan luas lahan pertanian yang tersedia, memaksa petani, terutama yang berpendidikan rendah dengan modal terbatas, untuk mencari solusi budidaya yang efisien pada lahan sempit. Teknik vertikultur muncul sebagai salah satu solusi yang memungkinkan penanaman sayuran dalam ruang terbatas. Namun, pertumbuhan tanaman memerlukan kondisi optimal suhu dan kelembaban, seperti yang diperlukan oleh tanaman stroberi. Untuk mencapai parameter pertumbuhan tanaman yang optimal pada lahan sempit, diperlukan pendekatan data mining. Data mining adalah proses pencarian pola dan informasi berharga dalam data yang tersedia, dan IoT memungkinkan pengumpulan data yang efisien. Dalam konteks ini, K-Nearest Neighbor (KNN) adalah salah satu algoritma yang digunakan untuk memprediksi suhu dan kelembaban dengan akurasi yang memadai, meskipun dapat menghadapi tantangan ketika kondisi iklim tidak stabil. Kemudian hasil dari validasi data diatas 80% dan untuk hasil prediksi yang didapat tahap pertama hari pertama 45%, kedua 54,8%, ketiga 69,3% dan keempat 80%. Lalu pada tahap kedua hari pertama 56,3%, kedua 62,5%, ketiga 78,6% dan keempat 77,2%. Kesimpulan yang didapat pada penelitian ini yaitu metode KNN dapat digunakan untuk menganalisis dan memprediksi suhu dan kelembaban yang optimal.