SISTEM OTOMATIS PENGENDALIAN KUALITAS AIR PADA MEDIA SIMULASI AKUARIUM ARWANA BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) BERDASARKAN PH, KEKERUHAN, DAN SUHU

Benedictus Irvanda Nugroho, . (2025) SISTEM OTOMATIS PENGENDALIAN KUALITAS AIR PADA MEDIA SIMULASI AKUARIUM ARWANA BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) BERDASARKAN PH, KEKERUHAN, DAN SUHU. Tugas Akhir thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text 1_COVER_123210138_BENEDICTUS IRVANDA NUGROHO.pdf Download (211kB)
	Text 2_ABSTRAK_123210138_BENEDICTUS IRVANDA NUGROHO.pdf Download (234kB)
	Text 3_HALAMAN PENGESAHAN_123210138_BENEDICTUS IRVANDA NUGROHO.pdf Download (1MB)
	Text 4_DAFTAR ISI_123210138_BENEDICTUS IRVANDA NUGROHO.pdf Download (229kB)
	Text 5_DAFTAR PUSTAKA_123210138_BENEDICTUS IRVANDA NUGROHO.pdf Download (195kB)
	Text 6_SKRIPSI FULLTEXT_BENEDICTUS IRVANDA NUGROHO_123210138.pdf Restricted to Repository staff only Download (4MB)

Abstract

Kualitas air merupakan faktor utama yang menentukan kesehatan dan pertumbuhan
ikan arwana, terutama pada media akuarium tertutup yang rentan mengalami perubahan
parameter fisik dan kimia. Perubahan pH, suhu, dan tingkat kekeruhan (NTU) yang tidak
terkontrol dapat berdampak negatif terhadap metabolisme, sistem imun, bahkan
kelangsungan hidup ikan. Sistem pengendalian kualitas air berbasis Fuzzy Logic telah
banyak digunakan, namun memiliki keterbatasan dalam hal fleksibilitas adaptasi terhadap
variasi data dan presisi pengendalian. Permasalahan ini menjadi landasan penelitian untuk
mengembangkan sistem pengendalian kualitas air otomatis berbasis Adaptive Neuro-Fuzzy
Inference System (ANFIS) yang diintegrasikan dengan perangkat IoT, guna meningkatkan
akurasi prediksi durasi aktuator dan efektivitas pemulihan kondisi air.
Penelitian ini menggunakan metode Hybrid Learning ANFIS, yang memadukan
Least Squares Estimation (LSE) pada forward pass untuk menghitung parameter linear
konsekuen dan backpropagation pada backward pass untuk memperbarui parameter nonlinear fungsi keanggotaan. Data diperoleh melalui simulasi pembacaan sensor suhu, pH, dan
kekeruhan pada media akuarium ikan arwana menggunakan ESP32 yang terhubung ke
server berbasis Python (FastAPI) untuk prediksi durasi aktuator. Lima model ANFIS
dibangun secara terpisah untuk mengendalikan aktuator pH UP, pH DOWN, heater, kipas,
dan pompa buang. Parameter awal fungsi keanggotaan ditentukan menggunakan metode KMeans clustering. Evaluasi dilakukan dengan skenario input statis dan dibandingkan
terhadap sistem berbasis Fuzzy Logic menggunakan metrik RMSE, MAE, dan R². Sistem
dilengkapi antarmuka web untuk memantau data sensor dan status aktuator secara real-time.
Hasil penelitian menunjukkan bahwa sistem ANFIS mampu menurunkan nilai
RMSE rata-rata hingga 84,55% dibandingkan Fuzzy Logic, dengan MAE yang lebih rendah
dan nilai R² mendekati 1, menandakan kemampuan prediksi yang lebih presisi. Sistem juga
lebih efektif dalam mengembalikan parameter air ke nilai ideal (pH ≈ 7, suhu ≈ 28 °C, NTU
< 50) dengan efisiensi kendali dan urutan aktivasi aktuator yang lebih cerdas. Temuan ini
membuktikan bahwa pendekatan ANFIS dapat menjadi solusi unggul dalam pengendalian
kualitas air berbasis IoT, yang adaptif terhadap variasi kondisi dan presisi dalam menjaga
stabilitas lingkungan hidup ikan arwana

Item Type:	Tugas Akhir (Tugas Akhir)
Additional Information:	Benedictus Irvanda (Penulis - 123210138) ; Dessyanto Boedi Prasetyo (Pembimbing)
Uncontrolled Keywords:	ANFIS, kualitas air, IoT, Hybrid Learning, Fuzzy Logic
Subjek:	Q Science > Q Science (General) Q Science > QL Zoology T Technology > T Technology (General)
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	BENEDICTUS IRVANDA NUGROHO
Date Deposited:	12 Sep 2025 10:41
Last Modified:	12 Sep 2025 10:41
URI:	http://eprints.upnyk.ac.id/id/eprint/43678

Actions (login required)

View Item