| dc.description.abstract |
Kualitas air merupakan faktor penting dalam pemeliharaan ikan hias karena secara
langsung memengaruhi kesehatan ikan dan stabilitas ekosistem akuarium.
Parameter seperti pH, suhu, dan kekeruhan harus dipantau secara teratur untuk
menjaga kondisi air yang sesuai. Namun, pemantauan kualitas air dan
penjadwalan penggantian air sering dilakukan secara manual sehingga dapat
menyebabkan keterlambatan respons ketika kualitas air memburuk. Penelitian ini
bertujuan untuk mengembangkan sistem Smart Aquarium berbasis Internet of
Things (IoT) dan Machine Learning untuk pemantauan kualitas air secara realtime dan prediksi penggantian air. Sistem ini menggunakan sensor pH, DS18B20
untuk mengukur suhu, dan sensor kekeruhan yang terhubung dengan
mikrokontroler ESP32 untuk mengumpulkan data kualitas air secara terusmenerus. Data sensor ditransmisikan ke server berbasis Flask dan disimpan dalam
basis data MySQL untuk analisis lebih lanjut. Algoritma Decision Tree digunakan
untuk mengklasifikasikan kondisi air ke dalam kategori ideal dan tidak ideal,
sedangkan Gradient Boosting digunakan untuk memprediksi sisa hari sebelum
penggantian air diperlukan. Hasil eksperimen menunjukkan bahwa model
Decision Tree mencapai akurasi sebesar 100%, sedangkan model Gradient
Boosting memperoleh nilai Root Mean Squared Error (RMSE) sebesar 0,44.
Sistem yang dikembangkan mampu memantau kualitas air dan memberikan
prediksi penggantian air, memberikan informasi mengenai kondisi air, serta
membantu pengguna dalam menentukan waktu optimal untuk penggantian air
secara lebih efektif dan efisien. |
en_US |