RANCANG BANGUN APLIKASI ANDROID SMART AQUACULTURE MENGGUNAKAN MACHINE LEARNING PADA BALAI BENIH IKAN (BBI)

2103421008, Emil Salim (2025) RANCANG BANGUN APLIKASI ANDROID SMART AQUACULTURE MENGGUNAKAN MACHINE LEARNING PADA BALAI BENIH IKAN (BBI). D4 thesis, Politeknik Negeri Jakarta.

[thumbnail of Halaman Identitas.pdf] Text
Halaman Identitas.pdf

Download (2MB)
[thumbnail of Isian.pdf] Text
Isian.pdf
Restricted to Hanya Civitas Akademika PNJ

Download (5MB)

Abstrak

Rancang Bangun Aplikasi Android Smart Aquaculture Menggunakan
Machine Learning Pada Balai Benih Ikan (BBI)

Abstrak

Penelitian ini bertujuan untuk mengembangkan aplikasi mobile iFishCare berbasis machine learning yang digunakan untuk monitoring dan controlling kualitas air secara real-time pada budidaya ikan hias di Balai Benih Ikan. Aplikasi ini mampu membaca dan menampilkan data dari beberapa sensor penting, yaitu pH, suhu, Total Dissolved Solids (TDS), dan kekeruhan yang terpasang pada kolam ikan hias. Pengujian akurasi data antara hasil pembacaan sensor di database dengan tampilan data pada aplikasi menunjukkan kesesuaian 100% pada seluruh parameter, menandakan bahwa sistem akuisisi data bekerja dengan sangat baik. Dari aspek fungsionalitas, pengujian dilakukan menggunakan metode black box testing yang menghasilkan tingkat keberhasilan sebesar 100%, menunjukkan bahwa seluruh fitur dalam aplikasi telah berjalan sesuai dengan yang diharapkan. Selain itu, pengujian usability menggunakan metode System Usability Scale (SUS) dilakukan dengan menyebarkan kuesioner kepada pengelola budidaya ikan hias, dan diperoleh skor rata-rata sebesar 86 yang termasuk dalam kategori “Excellent”, grade “B”, serta acceptability range “Acceptable”. Untuk mendukung proses pengambilan keputusan dalam pengontrolan aktuator secara cerdas, digunakan algoritma K-Nearest Neighbor (KNN) dengan variasi nilai K, dan hasil terbaik diperoleh pada nilai K=1 yang menghasilkan akurasi 95%, macro precision 0.93, macro recall 0.96, dan macro F1-score 0.95. Confusion matrix dan classification report menunjukkan bahwa model klasifikasi bekerja optimal dalam mengenali pola data kualitas air. Dengan hasil tersebut, dapat disimpulkan bahwa aplikasi iFishCare berhasil diimplementasikan dan layak digunakan sebagai solusi teknologi smart aquaculture untuk meningkatkan efisiensi dan efektivitas dalam budidaya ikan hias secara digital dan otomatis.

Kata Kunci: kualitas air, machine learning, K-Nearest Neighbor,smart aquaculture, budidaya ikan hias.

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (D4)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
000 - Komputer, Informasi dan Referensi Umum > 010 Bibliografi > 010 Bibliografi
300 – Ilmu Sosial > 380 Perdagangan, komunikasi, dan transportasi > 384 Komunikasi, telekomunikasi
Bidang, Unit, atau Jurusan Yang Ditujukan: Teknik Elektro > Broadband Multimedia D4
User ID Pengunggah: Emil Salim
Date Deposited: 25 Jul 2025 02:52
Last Modified: 25 Jul 2025 02:52
URI: https://repository.pnj.ac.id/id/eprint/29618

Actions (login required)

View Item
View Item