SISTEM MONITORING KUALITAS AIR AKUARIUM MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Nasional Malang
Author
Dzulhijjah, Dwi Ahmad
Subject
Informatics Engineering
Datestamp
2022-09-15 07:35:41
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%.
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%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
