Firmansyah, Dwi (2019) Implementasi Algoritme K-Nearest Neighbour Pada Sistem Monitoring Dan Klasifikasi Air Aquarium Ikan Koi Berbasis Embedded System. Sarjana thesis, Universitas Brawijaya.
Abstract
Ikan koi merupakan salah satu jenis dari ikan hias yang sangat digemari oleh kolektor koi hias dikarenakan corak warna dari tubuhnya yang memiliki nilai jual tinggi. Namun dikarenakan perawatannya yang sulit banyak kolektor ikan hias menjadi was-was untuk memelihara ikan koi ini. Dari permasalahan tersebut, maka dilakukan sebuah penelitian yang berjudul Implementasi Algoritme K-Nearest Neighbour Pada Sistem Monitoring Dan Klasifikasi Air Aquarium Ikan Koi Berbasis Embedded System yang dapat digunakan oleh pecinta koi. Sehingga para kolektor ikan koi dapat memelihara ikan tersebut dalam akuariumnya. Dalam penelitian ini yang perlu diperhatikan adalah amonia dan kadar garam yang terkandung dalam air sebab parameter tersebut berperan aktif dalam memelihara ikan koi. Cara untuk mendeteksi gas amonia adalah dengan menggunakan sensor MQ-135 dan untuk kadar garam yang terlarut dengan menggunakan sensor konduktivitas listrik yang kemudian akan diproses oleh mikrokontroller dengan menggunakan metode k-nearest neighbor sebagai sistem klasifikasi kondisi air akuarium. Metode k-nearest neighbor digunakan pada sistem ini dikarenakan metode ini memiliki kelebihan yaitu tangguh terhadap data Training jika mengalami gangguan data sesuai dengan sensor konduktivitas listrik yang mengalami perubahan yang signifikan apabila terendam dalam air dengan waktu yang relatif lama. Dari pengujian sensor yang dilakukan didapatkan tingkat persentase error sistem sebesar 27,28%. Pada pengujian waktu komputasi yang dibutuhkan oleh sistem dari 30 data latih dengan nilai sebesar 1897,5ms atau membutuhkan 1,9 detik.
English Abstract
Koi fish is one type of ornamental fish that is very popular with ornamental koi collectors because of the color pattern of the body that has a high selling value. However, due to the difficult maintenance, many ornamental fish collectors became anxious to maintain these koi fish. From these problems, a study was conducted entitled Implementation of K-Nearest Neighbor algorithm on Monitoring and Classification System of Embedded System Koi Aquarium Water System that can be used by koi lovers. So that collectors of koi can keep these fish in their aquariums. In this study, what needs to be considered is ammonia and salts contained in water because these parameters play an active role in maintaining koi fish. The way to detect ammonia gas is to use the MQ-135 sensor and for dissolved salts using an electrical conductivity sensor which will then be processed by a microcontroller using the k-nearest neighbor method as a classification system for aquarium water conditions. The k-nearest neighbor method is used in this system because this method has the advantage of being resilient to training data if it experiences data disruption in accordance with an electrical conductivity sensor that experiences significant changes when submerged in water for a relatively long time. From the sensor testing carried out, the system error percentage rate was 27.28%. In testing the computational time needed by the system of 30 training data with a value of 1897.5ms or need 1.9 seconds.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/418/051905736 |
| Uncontrolled Keywords: | mq-135, konduktivitas listrik, Monitoring, klasifikasi akuarium, knearest neighbor, internet of things |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 30 Jul 2020 06:30 |
| Last Modified: | 30 Jul 2020 06:30 |
| URI: | http://repository.ub.ac.id/id/eprint/171995 |
Actions (login required)
 |
View Item |