Pengembangan Perangkat Lunak Android dan Penerapan Algoritma Regresi pada Sistem Kontrol dan Monitoring Kualitas Air Kolam Udang Vannamei

Priambodo, Tegar Ganang Satrio (2024) Pengembangan Perangkat Lunak Android dan Penerapan Algoritma Regresi pada Sistem Kontrol dan Monitoring Kualitas Air Kolam Udang Vannamei. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201002_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Budidaya udang menjadi mata pencaharian utama bagi sebagian masyarakat Indonesia khususnya daerah Jawa Timur yang tinggal di sekitar pesisir. Sistem budidaya di Indonesia sebagian besar masih menerapkan sistem tradisional dan sebagian kecil menerapkan sistem semi-intesif dan intensif. Hal ini menimbulkan permasalahan yaitu meningkatnya mortalitas udang akibat perubahan kualitas air yang fluktuatif sehingga berdampak pada pendapatan yang diperoleh. Namun, petambak tidak bisa selalu memantau kondisi setiap kolam secara realtime. Oleh karena itu dibuat sebuah sistem kontrol dan monitoring kualitas air sebagai perangkat IoT (Internet of Things) yang dilengkapi perangkat lunak android dan prediksi kualitas air selama satu hari kedepan dengan algoritma regresi. Petambak dapat melakukan pemantauan parameter kualitas air seperti pH untuk melihat tingkat asam-basa, dan TDS (Total Dissolve Solid) untuk melihat kadar padatan terlarut agar tetap dalam batas aman melalui perangkat lunak android dimana saja dan kapan saja selama perangkat terkoneksi ke jaringan internet. Prediksi kualitas air berfungsi untuk membantu petambak melakukan tindakan preventif terhadap perubahan kualitas air. Pembuatan perangkat lunak Android dibuat fitur untuk memantau data nilai kualitas air dari sensor pada perangkat IoT menggunakan bahasa pemrograman Kotlin pada Android Studio. Data tersebut tersimpan ke Firebase realtime database dan Google Spreadsheet. Pada perangkat lunak juga dilengkapi dengan penerapan prediksi kualitas air sebagai analisis preventif terhadap perubahan parameter kualitas air dengan API model yang di-deploy pada kerangka kerja Flask. Model regresi dibuat berdasarkan dataset kualitas air harian pada kolam benur udang yang dilatih menggunakan algoritma model Linear Regression dan Random Forest Regression. Model tersebut dievaluasi dengan RMSE (Root Mean Square Error), NRMSE (Normalize Root Mean Square Error) dan R2 (R-squared). Dari hasil uji coba dan evaluasi perangkat, menunjukkan bahwa perangkat IoT dan perangkat lunak Android mampu baik membaca maupun mengirimkan data kualitas air kolam benur udang ke Firebase realtime database dan Google Spreadsheet serta dapat ditampilkan dalam perangkat lunak android. Model prediksi random forest regression menjadi model terbaik yang digunakan untuk memprediksi nilai pH dan TDS setiap jam selama 1 hari. Dari pengujian yang dilakukan pada model pH memiliki tingkat prediksi tinggi dan korelasi variabel kuat dengan nilai RMSE sebesar 0,1685, NRMSE sebesar 0,14 dan R2 67,34%. Sedangkan pada Model TDS memiliki tingkat prediksi tinggi dan korelasi variabel kuat dengan nilai RMSE 20,9277, NRMSE sebesar 0,12 dan R2 sebesar 63,1%. Model prediksi nilai pH dan TDS tersebut telah diterapkan pada sistem kontrol dan monitoring kualitas air yang memudahkan petambak dalam menurunkan tingkat mortalitas udang dengan sehingga dapat meningkatkan keuntungan yang diperoleh.
==============================================================================================================================
Shrimp farming is the main livelihood for some Indonesians, especially in East Java who live around the coast. Most aquaculture systems in Indonesia still apply traditional systems and a small part applies semi-intensive and intensive systems. This causes problems such as increased shrimp mortality due to fluctuating changes in water quality, which has an impact on the income earned. However, farmers cannot always monitor the condition of each pond in real time. Therefore, a water quality control and monitoring system was created as an IoT (Internet of Things) device equipped with android software and water quality prediction for the next day with a regression algorithm. Farmers can monitor water quality parameters such as pH to see acid-base levels, and TDS (Total Dissolve Solid) to see dissolved solids levels to stay within safe limits through android software anywhere and anytime as long as the device is connected to the internet network. Water quality prediction serves to help farmers take preventive action against changes in water quality. Android software development features a feature to monitor water quality value data from sensors on IoT devices using the Kotlin programming language in Android Studio. The data is saved to Firebase realtime database and Google Sheets. The software is also equipped with the application of water quality prediction as a preventive analysis of changes in water quality parameters with a model API deployed on the Flask framework. Regression models were created based on daily water quality datasets in shrimp fry ponds trained using Linear Regression and Random Forest Regression model algorithms. The model was evaluated with RMSE (Root Mean Square Error), NRMSE (Normalised Root Mean Square Error) and R2 (R-squared). From the test results and device evaluation, it shows that the IoT device is able to both read and send shrimp pond water quality data to Firebase realtime database and Google Sheets and can be displayed in android software. The random forest regression prediction model is the best model used to predict pH and TDS values every hour for 1 day. From the tests carried out on the pH model has a high prediction level and strong variable correlation with an RMSE value of 0.1685, NRMSE of 0.14 and R2 67.34%. While the TDS model has a high prediction level and strong variable correlation with an RMSE value of 20.9277, NRMSE of 0.12 and R2 of 63.1%. The prediction model of pH and TDS values has been applied to a water quality control and monitoring system that facilitates farmers in reducing shrimp mortality rates so as to increase profits.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Budidaya Udang, Internet of Things, Perangkat Lunak Android, Regresi Random Forest, Sistem Kontrol dan Monitoring, Shrimp Farming, Android Software, Random Forest Regression, Control and Monitoring System
Subjects:	S Agriculture > SH Aquaculture. Fisheries. Angling T Technology > T Technology (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Tegar Ganang Satrio Priambodo
Date Deposited:	04 Sep 2024 06:32
Last Modified:	04 Sep 2024 06:32
URI:	http://repository.its.ac.id/id/eprint/110557

Actions (login required)

View Item