The agricultural revolution 4.0 which consists of the internet of things, artificial intelligence, human machine interface and robotic technology to encourage the development of innovation in agriculture. At this time, the process of planting and watering plants in Indonesia is still carried out using traditional tools, so it takes a long time and also requires more manpower. The purpose of this research is to build a tool where the process of planting and watering the plants is done automatically without the need for human assistance. To build this tool, machine learning is needed to determine the planting and watering routes. One technique that can be used in determining the route of planting and watering is using the Q-Learning algorithm. The results of this study are a smart farming prototype equipped with soil moisture and DHT11 sensors and the ESP8266 WiFi module to send sensor value readings to websites and android applications as a monitoring system. The q-learning algorithm will carry out learning to obtain data from the environment so that it can determine the best route that can be chosen for planting and watering mustard plants. The smart farming prototype is able to implement the q-learning algorithm in it so that this tool is able to carry out the process of planting and watering plants automatically and is expected to help farmers, especially mustard greens farmers.

Revolusi pertanian 4.0 yang terdiri dari internet of things, artificial intelligence, human machine interface dan teknologi robotik sehingga mendorong berkembangnya inovasi dalam bidang pertanian. Pada saat ini, proses penanaman dan penyiraman tanaman di Indonesia masih dilakukan menggunakan alat-alat tradisional sehingga membutuhkan waktu yang lama dan juga kebutuhan tenaga kerja yang lebih banyak. Tujuan dari penelitian ini adalah membangun sebuah alat dimana proses penanaman dan penyiraman tanamannya dilakukan otomatis tanpa perlu bantuan manusia. Untuk membangun alat tersebut maka diperlukan machine learning untuk penentuan rute penanaman dan penyiramannya. Salah satu teknik yang dapat digunakan dalam penentuan rute penanaman dan penyiraman adalah menggunakan algoritma Q-Learning. Hasil dari penelitian ini adalah sebuah prototype smart farming yang dilengkapi dengan sensor soil moisture dan DHT11 serta modul WiFi ESP8266 untuk mengirimkan hasil pembacaan nilai sensor ke dalam website dan aplikasi android sebagai system monitoring-nya. Algoritma q-learning akan melakukan pembelajaran untuk mendapatkan data dari lingkungannya sehingga dapat menentukan rute terbaik yang dapat dipilih untuk melakukan penanaman dan penyiraman tanaman sawi. Prototype smart farming mampu mengimplementasikan algoritma q-learning didalamnya sehingga alat ini mampu melakukan proses penanaman dan penyiraman tanaman secara otomatis dan diharapkan dapat membantu para petani khususnya petani sawi hijau