<![CDATA[Akuakultur merupakan salah satu metode budidaya organisme air seperti ikan, tanaman air, dan lain lain untuk memenuhi kebutuhan pangan manusia. Meskipun akuakultur sangat menjanjikan dan memiliki banyak manfaat, sistem ini membutuhkan pengelolaan kualitas air yang efektif. Untuk menjaga agar kualitas air kolam ikan tetap baik tentunya diperlukan pengecekan beberapa parameter air secara rutin oleh pembudidaya. Sehingga, dapat dikembangkan sistem klasifikasi kualitas air pada sistem akuakultur yang dapat dimonitoring kapan saja dan dimana saja. Dalam melakukan klasifikasi, sistem ini menggunakan metode KNN. Namun, KNN memiliki keterbatasan, seperti kebutuhan memori dan kompleksitas waktu. Dari permasalahan tersebut maka dibuatlah sebuah sistem klasifikasi menggunakan menggunakan mikrokontroler ESP-32, sensor DS18b20, sensor pH-4502C, sensor TDS, dan sensor Turbidity dengan menggunakan algoritma KNN dan PCA. Penelitian ini bertujuan untuk membuat sistem monitoring kualitas air serta mengetahui dampak penggunaan PCA dalam mengatasi kekurangan KNN. Pengujian penelitian dilakukan dengan menguji akurasi KNN serta membandingkan penggunaan memori dan kecepatan komputasi KNN dengan menggunakan metode PCA dan tanpa menggunakan metode PCA. Hasil yang diperoleh dari pengujian ialah akurasi klasifikasi PCA+KNN sebesar 80%, memori yang digunakan 240 bytes lebih hemat saat menggunakan PCA, dan komputasi lebih cepat dengan rata-rata waktu 17.2 μs dengan menggunakan PCA.]]>
Copyrights © 2023
