SISTEM PERINGATAN DINI KUALITAS AIR PADA BUDIDAYA IKAN DI DANAU MANINJAU BERBASIS INTERNET OF THINGS (IOT)

Aini, Rahma (2024) SISTEM PERINGATAN DINI KUALITAS AIR PADA BUDIDAYA IKAN DI DANAU MANINJAU BERBASIS INTERNET OF THINGS (IOT). Diploma thesis, Universitas Andalas.

	Text (cover dan abstrak) judul+abstrak.pdf - Published Version Download (205kB)
	Text (Bab 1 Pendahuluan) 1. BAB I-Pendahuluan.pdf - Published Version Download (343kB)
	Text (Bab 5 Penutup) 5. BAB V-Kesimpulan dan Saran.pdf - Published Version Download (203kB)
	Text (Daftar Pustaka) 7. DAFTAR PUSTAKA.pdf - Published Version Download (232kB)
	Text (Skripsi Full text) 3. Skripsi - 2011513001.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Budidaya ikan menggunakan Keramba Jaring Apung (KJA) di Danau Maninjau sangat bergantung pada kualitas air, yang menghadapi berbagai tantangan yang dapat mempengaruhi kesehatan ikan, terutama terkait dengan tingkat keasaman air, kadar oksigen terlarut, dan pencemaran belerang. Berdasarkan Peraturan Menteri Lingkungan Hidup dan Kehutanan (KLHK) No. 68 Tahun 2016, standar kualitas air untuk budidaya ikan menetapkan bahwa kadar oksigen terlarut harus minimal 5 mg/L, kadar maksimum belerang terlarut 0,1 mg/L, dan pH air harus berada dalam rentang 6-9. Sistem ini bertujuan untuk merancang deteksi dini berbasis Internet of Things (IoT) yang memantau kualitas air secara real-time berdasarkan tingkat keasaman dan kadar oksigen, sehingga nelayan dapat mengetahui lebih awal tanda-tanda potensi kematian ikan. Sistem ini memanfaatkan sensor pH untuk mendeteksi tingkat keasaman air dan sensor oksigen terlarut (DO) untuk memantau kadar oksigen, yang terintegrasi dengan aplikasi Android. Selain menyediakan pemantauan berkala melalui grafik yang tersedia di aplikasi, sistem ini juga memberikan peringatan dini tentang kondisi air. Hasil pengujian menunjukkan bahwa sensor pH memiliki rata-rata kesalahan sebesar 5,41%, sementara sensor oksigen terlarut (DO) menunjukkan rata-rata kesalahan sebesar 27%.

Actions (login required)

View Item