Kangkung hidroponik merupakan pilihan untuk bercocok tanam di daerah yang sedikit lahan pertanian. Sehingga kangkung yang ditanam secara hidroponik memiliki produktivitas yang tinggi. Kangkung hidroponik perlu nutrisi tambahan untuk dicampurkan ke dalam air. Biasanya nutrisi yang ditambahkan ke dalam air untuk mendapatkan produktivitas yang tinggi adalah AB mix. Namun jika penggunaan nutrisi tersebut diberikan secara berlebih maka tumbuhan menjadi jenuh (pertumbuhannya melambat). Sehingga untuk mengurangi pemberian nutrisi berlebih dilakukan penelitian dengan memaparkan tumbuhan dengan frekuensi tinggi (Sonic Bloom). Pertumbuhan nantinya akan dipantau dengan Internet of Things (IoT). Musik adalah salah satu frekuensi tinggi jika diputar mulai frekuensi 3.500 – 5.000 Hz. Musik yang digunakan dalam pengujian diantaranya musik Dangdut, Jazz, dan Murottal. Ketiga musik dan tanpa perlakuan tersebut akan di analisis menggunakan Machine Learning untuk bisa membandingkan hasil prediksi pertumbuhannya. Pertumbuhan kangkung hidroponik dipantau dengan sensor-sensor dan kamera. Kemudian dihubungkan dengan mikrokontroller untuk diatur algoritma pemrogramannya dan dihubungkan ke Database. Sehingga data parameter-parameter dari sensor dapat divisualisasikan dengan Website dan Telegram untuk data dari kamera. Untuk mengetahui hasil prediksi, data dari sensor tadi dijadikan dataset untuk membuat model Supervised Learning. Dalam pengujian digunakan algoritma Decission Tree, Random Forest, dan K-Nearest Neighbour untuk mencari model yang terbaik. Dan didapatkan model terbaik yaitu Random Forest pada rasio data spliting 40:60 dengan waktu komputasi 1,4 detik, nilai Akurasi 0.99, nilai Precission 0.99, nilai Recall 0.99, dan nilai f1-Score 0.99.