SISTEM MONITORING KUALITAS AIR AKUARIUM MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION

Dzulhijjah, Dwi Ahmad (2022) SISTEM MONITORING KUALITAS AIR AKUARIUM MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION. Skripsi thesis, ITN Malang.

	Text Cover.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (748kB)
	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (130kB)
	Text BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (742kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (98kB) | Request a copy
	Text Daftar Pustaka.pdf Available under License Creative Commons Attribution Share Alike. Download (114kB)
	Text Lampiran.pdf Restricted to Registered users only Available under License Creative Commons Attribution Share Alike. Download (5MB) | Request a copy
	Text Jurnal.pdf Available under License Creative Commons Attribution Share Alike. Download (1MB)

Abstract

Hobi akuarium merupakan hobi populer yang dapat didukung dengan penggunaan teknologi. Penggunaan teknologi kecerdasan buatan dan internet of things dapat mempermudah aktivitas sehari-hari untuk memantau atau memonitoring alat atau lingkungan, salah satu lingkungan yang dapat dipantau dengan teknologi internet of things adalah kualitas air akuarium. Kualitas air akuarium dapat dipantau melalui parameter pH, temperatur, TDS, dan turbidity. Terdapat klasifikasi manual seperti Indeks Pencemaran (IP), Quality Index (WQI) dan STORET dengan kendala waktu dan biaya yang cukup tinggi. Klasifikasi secara manual atau inferensi akan menyebabkan ketidak efisienan ketika data yang ditambahkan menggunakan parameter yang beragam. Klasifikasi manual dapat digantikan dengan metode klasifikasi otomatis atau menggunakan neural network seperti Learning Vector Quantization (LVQ). Berdasarkan hasil penelitian hardware sudah berhasil mengakuisisi data kemudian disimpan ke database dan ditampilkan di website berikut hasil klasifikasinya. Sistem monitoring melalui pengujian hardware sudah berhasil mengirimkan data antar perangkat dan komunikasi ke website melalui API kemudian uji sensor dilakukan dengan melihat rata-rata error pada pembacaan yang kurang dari 5%. Melalui pengujian blackbox, responsivitas, dan uji penggunaan aplikasi ini sudah memenuhi standar ekspektasi penelitian berikut uji notifikasi dengan hasil pengiriman notifikasi dari website yang dapat digunakan secara fungsi. Penerapan Learning Vector Quantization mampu menghasilkan klasifikasi dengan akurasi sebesar 94%.

Item Type:	Thesis (Skripsi)
Additional Information:	Dwi Ahmad Dzulhijjah (1818101)
Uncontrolled Keywords:	Klasifikasi, LVQ, API, Kualitas Air, Akuarium, Monitoring
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Users 711 not found.
Date Deposited:	15 Sep 2022 07:34
Last Modified:	15 Sep 2022 07:35
URI:	http://eprints.itn.ac.id/id/eprint/9136

Actions (login required)

View Item