Pengembangan Sistem Pemantauan Kualitas Air Akuakultur Berbasis IoT Menggunakan Logika Fuzzy Mamdani

Sefrani IG Siregar; Hesti Wahyu Handani; Christio Revano Mege; Nike Dwi Grevika Drantantiyas; Septia Eka Marsha Putra; Ahmad Suaif; Listra Yehezkiel Ginting; Amrina Mustaqim; Friska Hasugian; Rozi Afdi

doi:10.55382/jurnalpustakadata.v6i2.1855

Penulis

Sefrani IG Siregar Institut Teknologi Sumatera
Hesti Wahyu Handani Institut Teknologi Sumatera
Christio Revano Mege Institut Teknologi Sumatera
Nike Dwi Grevika Drantantiyas Institut Teknologi Sumatera
Septia Eka Marsha Putra Institut Teknologi Sumatera
Ahmad Suaif Institut Teknologi Sumatera
Listra Yehezkiel Ginting Institut Teknologi Sumatera
Amrina Mustaqim Institut Teknologi Sumatera
Friska Hasugian Institut Teknologi Sumatera
Rozi Afdi Institut Teknologi Sumatera

DOI:

https://doi.org/10.55382/jurnalpustakadata.v6i2.1855

Kata Kunci:

Akuakultur, Internet of Things, Kualitas Air, Pemantauan Real-time, MIT App Inventor

Abstrak

Industri akuakultur membutuhkan manajemen lingkungan yang tepat untuk memastikan kesehatan biota perairan. Metode pemantauan konvensional seringkali mengalami keterlambatan pengambilan sampel manual, yang menyebabkan mitigasi perubahan lingkungan yang terlambat. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan kualitas air berbasis Internet of Things (IoT) untuk aplikasi akuakultur. Sistem ini mengintegrasikan sensor pH, Total Dissolved Solids (TDS), dan kekeruhan dengan mikrokontroler, yang terhubung ke aplikasi seluler yang dirancang melalui MIT App Inventor. Pengujian hasil kalibrasi tiga sensor pada 30 sampel menunjukkan akurasi >90%. Proses pengujian defuzzifikasi pada 12 aturan mendapatkan MAPE 0,33%. Hasil eksperimen menunjukkan bahwa sistem secara akurat mengukur dan mengirimkan parameter, seperti kekeruhan 46 NTU, TDS 174 ppm, dan pH 7,67, menghasilkan klasifikasi kualitas "Baik" secara otomatis. Uji kinerja menunjukkan efisiensi tinggi dengan penundaan transmisi data rata-rata hanya 2 detik. Pengujian pada kolam akuakultur yang dilakukan selama 6 jam menunjukkan bahwa system mampu membaca dan memberikan Kesimpulan kualitas air secara akurat sesuai dengan aturan fuzzy yang dibuat. Kesimpulannya, sistem IoT ini menyediakan solusi yang andal dan hemat biaya untuk pemantauan jarak jauh, secara signifikan mengurangi risiko pengamatan manual sekaligus meningkatkan produktivitas dan keberlanjutan pengelolaan akuakultur melalui transformasi digital.

Unduhan

Data unduhan belum tersedia.

Referensi

Erawati, P., Prasti, D., Kriswinarso, T.B., 2025. Internet of Things (IoT)-Based Water Quality Monitoring System Design for Tilapia Fish Farming Ponds. Brilliance: Research of Artificial Intelligence 5, 860–869. https://doi.org/10.47709/BRILLIANCE.V5I2.6927

Lindholm?Lehto, P., 2023. Water quality monitoring in recirculating aquaculture systems. Aquaculture, Fish and Fisheries 3, 113–131. https://doi.org/10.1002/AFF2.102

Abd El-Hack, M.E., El-Saadony, M.T., Nader, M.M., Salem, H.M., El-Tahan, A.M., Soliman, S.M., Khafaga, A.F., 2022. Effect of environmental factors on growth performance of Nile tilapia (Oreochromis niloticus). Int. J. Biometeorol. 66, 2183. https://doi.org/10.1007/S00484-022-02347-6

Zhang, K., Ye, Z., Qi, M., Cai, W., Saraiva, J.L., Wen, Y., Liu, G., Zhu, Z., Zhu, S., Zhao, J., 2025. Water Quality Impact on Fish Behavior: A Review From an Aquaculture Perspective. Rev. Aquac. 17, e12985. https://doi.org/10.1111/RAQ.12985

Chen, C.H., Wu, Y.C., Zhang, J.X., Chen, Y.H., 2022. IoT-Based Fish Farm Water Quality Monitoring System. Sensors 22. https://doi.org/10.3390/S22176700

Elfitasari, T., Albert, A., 2017. Challenges of Small Scale Fish Farmers for Fish Product Sustainability. Omni-Akuatika 13. https://doi.org/10.20884/1.OA.2017.13.2.256

Gkikas, D.C., Gkikas, M.C., Theodorou, J.A., 2024. Fostering Sustainable Aquaculture: Mitigating Fish Mortality Risks Using Decision Trees Classifiers. Applied Sciences 2024, Vol. 14, Page 2129 14, 2129. https://doi.org/10.3390/APP14052129

Mugwanya, M., Dawood, M.A.O., Kimera, F., Sewilam, H., 2022. Anthropogenic temperature fluctuations and their effect on aquaculture: A comprehensive review. Aquac. Fish. 7, 223–243. https://doi.org/10.1016/J.AAF.2021.12.005

Li, H.C., Yu, K.W., Lien, C.H., Lin, C., Yu, C.R., Vaidyanathan, S., 2023. Improving Aquaculture Water Quality Using Dual-Input Fuzzy Logic Control for Ammonia Nitrogen Management. Journal of Marine Science and Engineering 2023, Vol. 11, Page 1109 11, 1109. https://doi.org/10.3390/JMSE11061109

Abdullah, A.F., Man, H.C., Mohammed, A., Karim, M.M.A., Yunusa, S.U., Jais, N.A.B.M., 2024. Charting the aquaculture internet of things impact: Key applications, challenges, and future trend. Aquac. Rep. 39, 102358. https://doi.org/10.1016/J.AQREP.2024.102358

Prafanto, A., Septiarini, A., Puspitasari, N., Taruk, M., Mahendra, D.A., 2024. IoT-based Water Quality Control in Tilapia Aquaculture Using Fuzzy Logic. Innovation in Research of Informatics (Innovatics) 6, 57–64. https://doi.org/10.37058/INNOVATICS.V6I2.11271

Rastegari, H., Nadi, F., Lam, S.S., Ikhwanuddin, M., Kasan, N.A., Rahmat, R.F., Mahari, W.A.W., 2023. Internet of Things in aquaculture: A review of the challenges and potential solutions based on current and future trends. Smart Agricultural Technology 4, 100187. https://doi.org/10.1016/J.ATECH.2023.100187

Kazeem Abiodun, M., Babatunde, A., Adebukola, O.S., Kehinde, E., Adeniyi, K., Idris, R.B., 2026. Machine Learning-Driven Smart Aquaculture Technology for Climate-Resilient Water Quality Monitoring. Journal of Smart Agriculture and Environmental Technology 4, 1–6. https://doi.org/10.60105/JOSAET.2026.4.1.1-6