Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Khasan, Fathurrahman Hernanda
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Sistem Rekomendasi dan Pemantauan Kualitas Air Kolam Bibit Budidaya Ikan Nila menggunakan Metode Support Vector Machine (SVM) Khasan, Fathurrahman Hernanda; Syauqy , Dahnial; Primananda, Rakhmadhany
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 8 No 2 (2024): Februari 2024
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ikan Nila (Oreochromis niloticus) menjadi fokus dalam industri perikanan air tawar di Indonesia karena memiliki nilai ekonomis tinggi. Dalam konteks ini, pemantauan kualitas air menjadi krusial untuk memastikan pertumbuhan dan produktivitas ikan yang optimal. Penelitian ini menjawab kebutuhan mendesak dalam pemantauan kualitas air kolam bibit budidaya ikan nila dengan mengembangkan Sistem rekomendasi dan pemantauan kualitas air menggunakan metode Support Vector Machine (SVM). Penelitian ini menerapkan metode pengembangan implementatif untuk mengimplementasikan hasil penelitian sebelumnya ke dalam aplikasi praktis. Tahapan penelitian mencakup studi literatur, rekayasa kebutuhan sistem, perancangan dan implementasi sistem, pengujian, serta analisis hasil. Sistem ini dirancang untuk memberikan rekomendasi dan memantau kualitas air kolam bibit ikan nila dengan memanfaatkan sensor suhu DS18B20, PH-4502C, dan sensor turbiditas SEN0189.Pengujian melibatkan evaluasi sensor dan metode SVM untuk klasifikasi kualitas air. Hasil uji klasifikasi SVM menunjukkan kemampuan sistem mengenali tiga kelas kualitas air, yaitu "Bersih", "Perlu Diencerkan", dan "Perlu Dikuras". Sistem berhasil memberikan rekomendasi yang sesuai dengan kondisi air kolam bibit ikan nila dan mampu memonitor kualitas air secara akurat dengan keberhasilan prediksi 100% untuk seluruh 15 data testing. Sensor suhu, pH, dan turbiditas juga menunjukkan kinerja baik dengan tingkat akurasi sebesar 99.51% untuk sensor suhu DS18B20, 98.85% untuk sensor PH-4502C dan pembacaan yang adaptif sesuai lingkungannya pada sensor turbiditas SEN0189.
Co-Authors Rakhmadhany Primananda, Rakhmadhany Syauqy , Dahnial