WEBSITE DAN APLIKASI UNTUK MONITORING KUALITAS AIR KOLAM PADA PROSES BUDIDAYA IKAN NILA

Abstract

Budidaya ikan nila memerlukan pengawasan kualitas air yang ketat untuk memastikan pertumbuhan optimal dan mencegah kematian massal. Namun, metode pemantauan manual yang umum digunakan dinilai kurang efektif karena hanya mengukur parameter di permukaan kolam. Penelitian ini mengembangkan sistem monitoring kualitas air berbasis Internet of Things (IoT) dengan mikrokontroler ESP32 yang dilengkapi sensor suhu, pH, TDS, dan DO untuk mengukur kondisi air secara real-time. Data sensor dikirimkan ke platform berbasis web dan aplikasi, lalu dianalisis menggunakan lima metode klasifikasi machine learning: Random Forest, K-Nearest Neighbor (KNN), Decision Tree, Support Vector Machine (SVM), dan Multi-Layer Perceptron (MLP). Penelitian dilakukan di PT Tunas Bioflok Indojaya dan bertujuan membandingkan performa masing-masing algoritma dalam mengklasifikasikan kondisi air menjadi tiga kategori: baik, cukup, dan buruk. Hasil akhir diharapkan dapat membantu industri perikanan dalam memilih metode klasifikasi yang paling akurat dan efisien, serta meningkatkan efektivitas sistem monitoring air kolam secara otomatis