Seiring dengan perkembangan teknologi, pertanian modern semakin mengandalkan otomatisasi untuk meningkatkan produktivitas dan efisiensi. Salah satu tantangan dalam pertanian adalah pengaturan penyiraman tanaman yang optimal. Penelitian ini bertujuan untuk merancang sebuah sistem penyiraman otomatis tanaman sawi hijau berbasis mikrokontroler yang memanfaatkan algoritma Learning Vector Quantization (LVQ) untuk menentukan jadwal penyiraman yang tepat. Sistem ini menggunakan data historis kelembaban tanah, suhu, dan kelembaban udara sebagai input untuk melatih model LVQ. Model yang telah dilatih kemudian digunakan untuk memprediksi kebutuhan air tanaman dan mengontrol aktuator penyiraman. Hasil penelitian menunjukkan bahwa model LVQ berhasil dibangun dengan akurasi 77,59% setelah 15 kali iterasi. Prototype sistem penyiraman otomatis yang telah dikembangkan mampu melakukan penyiraman secara real-time sesuai dengan jadwal yang ditentukan, dengan volume air yang disesuaikan dengan kebutuhan tanaman.

Along with the development of technology, modern agriculture increasingly relies on automation to increase productivity and efficiency. One of the challenges in agriculture is the optimal arrangement of plant watering. This study aims to design an automatic watering system for mustard green plants based on a microcontroller that utilizes the Learning Vector Quantization (LVQ) algorithm to determine the right watering schedule. This system uses historical data on soil moisture, temperature, and soil humidity as input to train the LVQ model. The trained model is then used to predict plant water needs and control the watering actuator. The results showed that the LVQ model was successfully built with an accuracy of 77.59% after 15 iterations. The prototype of the automatic watering system that has been developed is able to water in real time according to the specified schedule, with the volume of water adjusted to the needs of the plants.