View/Open

Author

Date Published
24 Sep 2026

Advisor
Christio Revano Mege, M.T.,
Ahmad Suaif, S.Si., M.Si.,

Subject
Teknik Fisika

Publisher

Kualitas air merupakan faktor penting dalam keberlangsungan hidup ikan. Salah satu parameter penting adalah Dissolved Oxygen (DO). Kadar DO rendah dapat menyebabkan stres, menghambat pertumbuhan, hingga menyebabkan kematian, sehingga pemantauan DO diperlukan untuk menjaga kondisi air tetap sesuai bagi ikan. Penelitian ini bertujuan merancang model estimasi DO menggunakan metode Random Forest (RF), mengevaluasi kinerja model, merancang sistem monitoring berbasis Internet of Things (IoT), serta mengevaluasi kinerja sistem dalam membaca parameter kualitas air secara real-time. Sistem menggunakan sensor pH, suhu, dan TDS dengan mikrokontroler ESP32. Data pengukuran digunakan sebagai masukan model Random Forest untuk menghasilkan estimasi DO. Dataset diproses dengan Interquartile Range (IQR) diperoleh 4.025 data, dengan perbandingan data latih dan uji 90:10. Optimasi hyperparameter menggunakan RandomizedSearchCV menghasilkan parameter n estimators = 205, max depth = 8, min samples split = 5, min samples leaf = 5, max features = sqrt, dan bootstrap = True. Evaluasi model menunjukkan R2 0,94, RMSE 0,25 mg/L, MAE 0,18 mg/L, MAPE 3,39%, dan MSE 0,06 (mg/L)2. Pengujian sensor pH, suhu, dan TDS menghasilkan akurasi 99,03%, 99,38%, dan 96,97%. Pengiriman data ke Firebase memiliki delay rata-rata 260 millisecond dan packet loss 0%. Sistem mampu menampilkan data pH, TDS, suhu, dan DO secara real-time melalui a MIT App Inventor. Pada implementasi monitoring, DO aktual berada pada rentang 4,5–5,4 mg/L, sedangkan DO prediksi 4,71–5,09 mg/L, dengan MAE 0,20 mg/L, RMSE 0,23 mg/L, MAPE 4,16%, dan MSE 0,05 (mg/L)2. Sistem mampu mengestimasi DO menggunakan Random Forest serta memonitor kualitas air berbasis IoT.

URI
https://repo.itera.ac.id/depan/submission/SB2610070025

Keyword
Ikan Nila Oksigen Terlarut Random Forest Internet of Things