Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 5, No. 10, Oktober 2021, hlm. 4197-4204 http://j-ptiik.ub.ac.id

Sistem Kendali Kualitas Air Kolam Ikan Nila dengan metode Jaringan
Syaraf Tiruan berdasarkan PH dan Turbidity berbasis Arduino Uno
Satya Pradhana1, Hurriyatul Fitriyah2, Mochammad Hannats Hanafi Ichsan3

Program Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: [email protected], [email protected], [email protected]

Abstrak
Budidaya ikan nila memiliki nilai ekonomi yang cukup tinggi karena kebutuhan pasar yang tinggi juga.
Pemberian pakan ikan yang berlebih akan berpengaruh terhadap penumpukan sisa pakan dan dapat
menjadi penyebab penurunan kualitas air kolam ikan, sehingga secara tidak langsung dapat
mempengaruhi produktivitas ikan. Selain itu pH air yang optimal untuk habitat ikan nila antara 6.5 –
8.5. Untuk kekeruhan air yang dianjurkan maksimum 50 NTU. Salah satu solusi yang dapat di gunakan
adalah dengan membangun suatu sistem yang dapat di buat untuk mengendalikan tingkat kualitas air
akuarium ikan nila. Sistem tersebut dapat di buat berdasarkan sistem kendali yang berbasis Artificial
Intelligence (AI). Salah satu cabang aplikasi dari AI adalah algoritma peramalan, salah satunya adalah
algoritma Jaringan Syaraf Tiruan untuk menentukan estimasi waktu menyala pompa filter air. Jaringan
syaraf tiruan dapat membuat suatu pola pengetahuan yang melewati batas belajar atau disebut self-
organizing. Pada penelitian ini alat yang digunakan penulis adalah sensor pH untuk mengetahui
keasaman air kolam, sensor turbidity untuk mengetahui kebersihan kolam dan Real Time Clock (RTC)
untuk menentukan waktu penyaringan air ikan. Data tersebut akan diproses oleh Arduino UNO untuk
melakukan komputasi terhadap data yang ada dengan menggunakan metode jaringan syaraf tiruan.
Kemudian penggunaan relay sebagai pengatur hidup atau mati pompa filter air ikan. Relay akan
menghidupkan dan mematikan penyaring ikan. Kemudian LCD 16x2 berbasis I2C akan menampilkan
kualitas air dalam bentuk text. Jika kualitas air tidak optimal maka buzzer akan berbunyi. Untuk
pemasangan alat ini akan di tempatkan pada akuarium ikan nila. Hasil analisis ini dilakukan dengan
metode jaringan syaraf tiruan memeperoleh hasil akurasi rata-rata sebesar 87.4% dan waktu komputasi
rata-rata sebesar 3,29 detik.
Kata kunci: Sistem Kendali, Ikan Nila, Metode Jaringan Syaraf Tiruan
Abstract
In freshwater fish farming, it is important to pay attention to the quality of the air for fish to live. Tilapia
still has high economic value due to high market demand. Excessive feeding of fish will affect the rest
of the feed and can cause a decrease in the quality of fish pond water, so that it can directly affect fish
productivity. In addition, the optimal air pH for tilapia habitat is between 6.5 – 8.5. For more optimal
air turbidity is 50 NTU. One solution that can be used is to build a system that can be made to control
the water quality of a tilapia. The system can be made based on a control system based on Artificial
Intelligence (AI). One of the application branches of AI is forecasting algorithms, one of which is the
Artificial Neural Network algorithm to determine the estimated run time of water filter pumps. In this
study, the tools used by the author are a pH sensor to determine the pond water, a turbidity sensor to
determine the cleanliness of the pond and a Real Time Clock (RTC) to determine the time of fish water.
The data will be used by Arduino UNO to perform computations on existing data using the artificial
neural network method. Then use the relay as a regulator on or off the fish water filter pump. The relay
will turn the fish filter on and off. Then the I2C-based 16x2 LCD will display the water conditions in
text form. If the water conditions are not optimal, the buzzer will sound. For the installation of this tool
will be placed on the photo of tilapia. The results of the analysis carried out by the artificial network
method obtained an average accuracy of 87.4% and a computation time of 3.29 seconds.
Keywords: Control System, Tilapia Fish, Artificial Neural Network Method

Fakultas Ilmu Komputer

Universitas Brawijaya 4197
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4198

air ikan adalah pagi. Dengan demikian akan

1. PENDAHULUAN meudahkan peternak budidaya ikan untuk
Jaringan Syaraf Tiruan adalah salah satu penyaringan air.
alternatif pemecahan masalah. Jaringan Syaraf Tabel 1. Kualitas air untuk ikna nila
Tiruan dapat digunakan untuk menyelesaikan Parameter Kandungan air optimal
berbagai masalah, seperti klasifikasi, optimasi, Keasaman (pH) 6.5 – 8.5
estimasi, evaluasi, kompresi, peramalan, sistem Kekeruhan Maksimum 50 NTU
kontrol, sistem pendeteksian kecurangan, dan
sebagainya. Merupakan salah satu sistem Pada penelitian ini alat yang digunakan
pemrosesan yang dirancang dan dilatih untuk penulis adalah sensor pH untuk mengetahui
memiliki kemampuan yang seperti dimiliki oleh keasaman air kolam, sensor turbidity untuk
manusia dalam menyelesaikan persoalan yang mengetahui kebersihan kolam dan Real Time
rumit dengan melakukan proses belajar melalui Clock (RTC) untuk menentukan waktu
perubahan bobot sinapsisnya. Jaringan syaraf penyaringan air ikan. Data tersebut akan
menyimulasi struktur proses-proses otak dan diproses oleh Arduino UNO untuk melakukan
kemudian membawanya kepada perangkat lunak komputasi terhadap data yang ada dengan
kelas baru yang dapat mengenali pola-pola yang menggunakan metode jaringan syaraf tiruan.
kompleks serta belajar dari pengalaman- Kemudian penggunaan relay sebagai pengatur
pengalaman masa lalu (Purnamasari, 2013). hidup atau mati pompa filter air ikan. Relay akan
Pada penelitian ini jaringan syaraf tiruan akan menghidupkan dan mematikan penyaring ikan
digunakan untuk menentukan estimasi waktu sesuai dengan kualiatas air yang telah di
menghidupkan dan mematikan pompa filter air. tentukan. Kemudian LCD 16x2 berbasis I2C
Air merupakan hal terpenting dalam aspek akan menampilkan kualitas air dalam bentuk
kehidupan, seperti rumah tangga, pertanian, text. Jika kualitas air tidak optimal maka buzzer
kolam, dsb. Salah satu pemanfaatan air adalah akan berbunyi, sebagai peringatan untuk segera
pada budidaya ikan nila. Kualitas air pada menguras air akuarium. Untuk pemasangan alat
budidaya ikan nila memiliki peran penting untuk ini akan di tempatkan pada akurium ikan nila.
menentukan keberhasilan budidaya. Kondisi
kualitas air yang buruk akan mempengaruhi 2. PERANCANGAN DAN
kesehatan ikan dan terancam gagal panen IMPLEMENTASI
walaupun tambak air terlalu bersih, ikan tidak
akan tumbuh dengan baik. Beberapa faktor yang 2.1. Gambaran Umum Sistem
mempengaruhi kualitas air adalah pH dan Pada penelitian ini, sistem yang di rancang
kekeruhan air (Ichsan, M. H. H., 2016). yaitu sistem kendali yang dapat menghidupkan
Penelitian terkait kualitas air berdasarkan dan mematikan pompa filter akuarium ikan nila
pH dan kekeruhan air terhadap ikan sudah secara otomatis sesuai waktu yang telah di
banyak dilakukan. Salah satunya penelitian oleh tentukan dengan menggunakan sensor pH,
Kesuma, B. C. J. (2018) melakukan pengaturan turbidity dan data latih menggunakan jaringan
takaran pakan ikan berdasarakan sensor pH dan syaraf tiruan untuk dapat mendeteksi kualitas air
menggunakan metode fuzzy mamdani. Ada pada kolam budidaya ikan dengan meletakkan
penelitian terkait kekeruhan air pada ikan nila alat pada pinggir kolam. Nilai yang diperoleh
yang dilakukan oleh Oktafiadi, R. (2016). dari sensor ph dan kekeruhan. Sensor akan
Penilitan tersebut juga menggunakan sensor mengambil nilai ketika waktu yang di tentukan
kekeruhan dan RTC dengan sistem otomatis. oleh RTC sudah tercapai, waktu yang di
Air yang keruh adalah salah satu ciri - ciri tentukan RTC pada pukul 8 pagi hingga pukul 2
air yang tidak bersih dan tidak sehat. sore. Setelah waktu operasional telah berakhir
Mengkonsumsi air keruh dapat mengakibatkan sistem akan standby. Untuk melakukan estimasi
berbagai jenis penyakit (Wiguna, 2018). Dengan penyaringan air, metode yang digunakan adalah
dibuatnya alat penyaringan air ikan ini dapat metode Jaringan Syaraf Tiruan (JST). Setelah
mengurangi penumpukan sisa pakan dan kotoran estimasi waktu yang di tentukan sudah tercapai
ikan yang dihasilkan. PH air yang optimal untuk kemudian mendapat output yang bisa
habitat ikan nila antara 6.5 – 8.5. Untuk menentukan waktu yang dibutuhkan untuk
kekeruhan air yang dianjurkan maksimum 50 menyalakan relay pompa filter air. Kemudian
NTU (Sunarso, 2008). Waktu ideal penyaringan hasil pembacaan sensor dan waktu akan di

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4199

tampilkan pada LCD 16x2 berbasis I2C dalam

bentuk teks. Jika memang kualitas air dengan pH
sangat tinggi dan kekeruhan yang sangat tinggi,
maka sistem akan menyalakan buzzer yang
bertanda air harus segera di kuras. Gambar 1
merupakan blok diagram sistem secara umum.

Gambar 1. Blok Diagram Sistem

Gambar 2. Diagram Alir Program

Gambar 2. Blok Diagram Sensor pH Adapun rangkaian perangkat keras terdiri

dari penggabungan antara sensor-sensor dan
Arduino.

Gambar 3. Blok Diagram Sensor Turbidity

2.2. Perancangan Sistem

Dalam rancang bangun sistem kendali
diperlukan sebuah perangkat lunak untuk
mengatur berbagai perangkat keras yang
digunakan agar dapat bekerja bersama
menyelesaikan task yang diberikan.
Perancangan perangkat lunak untuk melakukan
Gambar 4. Skema Perancangan Perangkat keras
proses pengolahan nilai – nilai yang dihasilkan
oleh sensor hingga estimasi waktu yang dapat di
2.3. Implementasi Sistem
tentukan oleh jaringan syaraf tiruan. Seluruh
kode program akan dijalankan pada Arduino Pada implementasinya prototipe
UNO dengan menggunakan Arduino IDE menggunakan wadah plastik dengan bentuk
sebagai software untuk memprogram persegi Panjang, kemudian untuk wadah sensor
mikrokontroler supaya komponen bisa berjalan turbidity menggunakan wadah plastic dengan
sesuai program yang telah terintegrasi dengan bentuk mangkok. Ukuran pada wadah alat
Arduino UNO. Alur program dapat dilihat sebesar 17x12x6.5 cm dan untuk wadah sensor
padaDiagram alir program dapat dilihat pada turbidity berdiameter 15cm dengan tinggi 5cm.
Gambar 2. Peletakkan alat berada pada pinggir akuarium
untuk menghindari dair percikan air, untuk
peletakkan sensor turbidty berada pada
permukaan air. Bagian wadah sensor turbidty di

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4200

beri perekat untuk menghidari pair masuk ke 5 8.5 173 360

dalam wadah. Pada sisi bagian atas wadah 6 8.2 160 330
prototipe terdapat LCD untuk mengamati sistem
7 8 101 210
agar lebih mudah. Hasil implementasi dapat
8 8 116 240
dimati pada Gambar 5.
9 8.6 143 330
10 8.4 88 240
11 8.5 66 120
12 8.3 59 150
13 8.1 59 120
14 8.2 84 210
15 7.8 75 150
16 8.4 79 150
17 8.4 122 300
18 8.1 101 210
Gambar 5. Implementasi Prototipe Alat 19 7.8 121 180
20 7.8 103 180
21 8.2 136 330
22 8.2 61 120
23 8.5 154 360
24 7.8 114 180
25 8 110 210
26 8.4 72 150
27 8.4 86 210
28 8.3 90 210
Gambar 6. Implemenasi Prototipe pada Sensor
29 8.6 131 330

3. PENGUJIAN DAN ANALISIS 30 8.3 116 240

3.1. Pengujian Perangkat Lunak b. Jumlah Lapisan

Jaringan feedforward multilayer perceptron
Perancangan Model Jaringan umumnya dibangun dengan tiga lapisan, yaitu
Sebelum melakukan proses estimasi, lapisan input, lapisan tersembunyi, dan lapisan
terlebih dahulu dilakukan penyusunan model output. Pada penelitian ini digunakan sebuah
jaringan. lapisan tersembunyi karena umumnya jaringan
dengan sebuah lapisan tersembunyi sudah cukup
a. Input dan Output Jaringan untuk dapat memetakan antara input dan target
Pada jaringan syaraf tiruan perlu adanya dengan tingkat ketelitian yang ditentukan.
data latih dan data uji dari variabel yang telah
proses yaitu data dari sensor pH dan sensor c. Jumlah Neuron
turbidty pada 30 jenis air kolam yang berbeda Jumlah neuron pada lapisan input
dengan kualitas air yang optimal. Pada penelitian ditentukan berdasarkan jumlah input yang
ini model jaringan menggunakan dua buah input digunakan pada jaringan. Apabila model yang
yaitu pH(X1), Turbidty(X2) dan output dalam dipakai memiliki dua input dan satu output. Pada
bentuk menit(Y) sebagai target seberapa lama lapisan tersembunyi tidak ada ketentuan pada
pompa akan menyala. penentuan jumlah neuron. Pada penelitian ini
Tabel 2. Tabel Kualitas Air Kolam Optimal
Air pH Kekeruhan Target (Menit) dipakai 12 butir neuron dalam lapisan
Kolam (X1) (X2) (Y) tersembunyi pada lapisan pertama. Berikut pada
1 8.6 129 330 Gambar 7 merupakan arsitektur jadringan
menggunakan neurona.
2 8.3 118 240
3 8 122 270
4 8.4 114 210

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4201

10 0.003632 0.485472 0.5

11 0.004237 0.3523 0
12 0.003027 0.309927 0.125
13 0.001816 0.309927 0
14 0.002421 0.461259 0.375
15 0 0.40678 0.125
16 0.003632 0.430993 0.125
17 0.003632 0.691283 0.75
18 0.001816 0.564165 0.375
19 0 0.68523 0.25
20 0 0.576271 0.25
21 0.002421 0.776029 0.875
Gambar 7. Arsitektur Jaringan Syaraf Tiruan 22 0.002421 0.322034 0
23 0.004237 0.884988 1
d. Data
24 0 0.642857 0.25
Data dibagi menjadi data untuk pelatihan
25 0.001211 0.618644 0.375
dan data untuk pengujian. Data latih yang
diambil dari 2/3 dan data pengujian diambil dari 26 0.003632 0.38862 0.125
1/3 dari data keseluruhan. Sebelum diproses, 27 0.003632 0.473366 0.375
data akan diproses normalisasi terlebih dahulu 28 0.003027 0.497579 0.375
agar hasil perhitungan fungsi sigmoidnya tidak 29 0.004843 0.745763 0.875
jatuh dalam daerah saturasi. Metode 30 0.003027 0.654964 0.5
normalsisasi yang digunakan adalah meotde
Min-Max. e. Parameter Jaringan
Tabel 3. Tabel Metode Min-Max Data Input
Parameter-parameter yang perlu ditetapkan
Transformasi Data Input adalah maksimum epoch dan pembelajaran.
Batas Bawah 7.8 1) Maksimum epoch = 12000
Batas Atas 173
2) Laju Pembelajaran = 0.01
Selisih 165.2
Dalam melakukan pembelajaran peneliti
sudah melakukan trial dan error, peneliti telah
mencoba dari 2000 hingga 12000 iterasi, iterasi
Tabel 4. Tabel Metode Min-Max Data Target yang ideal
yang Transformasi Data Target
Batas Bawah 120
Batas Atas 360
Selisih 240
Tabel Error! No text of specified style in dibutuhkan sebanyak 12000. Jika lebih dari itu
document.. Tabel Normalisasi Data akan menyebabkan algoritma menjadi tidak
Normalisasi Data stabil. Pada penelitian ini digunakan laju
Air Kolam X1 X2 Y pembelajaran sebesar 0.01.
1 0.004843 0.733656 0.875
f. Proses Pelatihan
2 0.003027 0.66707 0.5
Inisialisasi bobot awal proses pelatihan
3 0.001211 0.691283 0.625 jaringan pada pH dan kekeruhan adalah sebagai
4 0.003632 0.642857 0.375 berikut:
5 0.004237 1 1 Tabel 6. Bobot Awal Input
6 0.002421 0.921308 0.875 BobotAwal_Input =
pH Turbidity
7 0.001211 0.564165 0.375 0.7541 0.3052
8 0.001211 0.654964 0.5 0.5938 0.4861
0.5188 0.5139
9 0.004843 0.818402 0.875
0.6237 0.4241

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4202

0.2915 0.8398 0.884

0.5379 0.2149
0.0023 0.3692 1.933
0.3257 0.135 0.115
0.0795 0.4752
1.03
0.8804 0.0138
0.9133 0.5906
0.1549 0.8681 g. Proses Pengujian
Tabel 7. Bobot Awal Lapisan
Proses pengujian dilakukan pada
komputer/laptop dengan menggunakan neurona.
BobotAwal_Lapisan =
Pengujian data uji menggunakan bobot akhir
0.943 yang diperoleh pada proses pelatihan. Hasil
0.488 pengujian ditunjukkan dalam Tabel 5.8. dimana
0.534 rata-rata kesalahan dalam bentuk MAPE yang
0.935 dihasilkan sebesar 12,6% yang termasuk dalam
0.396 kategori “Baik”.
Tabel 10. Akurasi Peramalan Berdasarkan MAPE
0.843
0.451 No Nilai MAPE Akurasi Peramalan
0.518 1 MAPE ≤ 10% Akurat
0.106 2 10% < MAPE ≤ 20% Baik
3 20% < MAPE ≤ 50% Cukup
0.649 4 MAPE > 50% Rendah
0.634 Sumber : Maricar, M. A. (2019)
0.351 Tabel 11. Hasil Uji Simulasi Data Dengan NEURONA
(EPOCH = 12000 iteration)
Output
Bobot akhir yang dihasilkan setelah proses Air Output MAPE
Jaringan MSE
Kolam (Menit) (%)
pelatihan adalah : (Menit)
Tabel 8. Bobot Akhir Input 21 330 298.41 33.26 9.5727
BobotAkhir_Input = 22 120 143.08 17.75 19.231
pH Turbidity 23 360 331.85 26.42 7.8205
0.8295 0.3562 24 180 237.55 110.4 31.972
0.6676 0.7346 25 210 226.41 8.978 7.8151
0.4553 0.8808 26 150 152.96 0.292 1.9735
1.0077 0.2061 27 210 172.08 47.94 18.059
0.388 1.0637 28 210 179.16 31.70 14.684
29 330 286.27 63.73 13.250
0.5425 0.3301
30 240 243.78 0.476 1.5747
0.959 0.8636
1.0197 2.1367 Rata- rata 34.09 12.595
-0.3182 3.0581
Untuk hasil yang memberikan error kurang
3.3464 -1.2444
dari 10% yang termasuk dalam kategori
“Akurat” juga akan dianalisis sebab hal tersebut
1.319 1.9858
dapat terjadi. Kemungkinan penyebab error
0.4117 1.4461
adalah sebagai berikut:
Tabel 9. Bobot Akhir Lapisan • Error yang disebabkan karena cuaca
BobotAkhir_Lapisan = yang tidak mendukung, seperti hujan
0.71 atau berawan dapat menyebabkan error
0.501
pada sistem. Setiap hari cuaca akan
berubah – ubah yang menyebabkan sinar
0.705
matahari tidak dapat menyinari
2.125 akuarium.
-0.618
• Error yang terjadi akibat hasil estimasi
3.414
waktu yang buruk. Hasil estimasi waktu
3.706 yang buruk dapat mempengaruhi
-1.796 keseluruhan proses dikarenakan

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4203

merupakan proses awal dalam alat ukur sehingga dapat di ketahui apakah hasil
penentuan estimasi waktu. dari sensor turbidity yang di gunakan akurat
sesuai dengan data sebenarnya. Dari proses
• Data latih yang kurang beragam dapat
pengambilan data yang di lakukan di dapatkan
menyebabkan error dikarenakan
hasil seperti tabel 12 berikut:
kesalahan dalam menentukan estimasi. Tabel 13. Pengujian Turbidty meter dengan sensor
Turbidty
3.2 Pengujian Sensor pH
Air Air Akuarium
Pengujian sensor pH 4502C dengan alat Kolam Error
No Turbidity Turbidity Error
ukur pH meter digunakan untuk yang (%)
Meter Sensor
diukur
membandingkan data nilai sensor dengan alat Air Kolam
ukur sehingga dapat di ketahui apakah hasil dari 1 1 0.9 0.1 10
Ikan 1
sensor pH yang di gunakan akurat sesuai dengan 2
Air Kolam
70 67 3.0 4.285714
data sebenarnya. Dari proses pengambilan data Ikan 2
Air Kolam
yang di lakukan di dapatkan hasil seperti tabel 11 3 220 220 0.0 0
Ikan 3
berikut: Rata-rata 1.0 4.761905
Tabel 12. Pengujian pH meter dengan sensor pH
Setelah melakukan pengujian sebanyak 3
Air Akuarium
Error
kali dengan jenis air yang berbeda, dapat di
No Waktu pH pH Error hitung nilai rata-rata error sebesar 1.0 dan dapat
(%)
Meter Sensor di katakan bahwa hasil penggunaan sensor
2:30:00
1
PM
8.7 8.8 0.1 0.689655 turbidty dengan alat ukur turbidty meter efektif
2:50:00 karena nilai error di dapatkan 1 dengan error
2 8.6 8.6 0 0
PM rata-rata 4,76%.
3:00:00 Untuk mengurangi error yang dihasilakan
3 8.6 8.1 0.5 6.395349
PM dapat di sebabkan karena kurangnya sampel data
3:10:00
4
PM
8.5 8.5 0 0.117647 untuk di uji.
3:30:00
5 8.5 8.1 0.4 4.941176
PM 3.4 Pengujian Karakteristik Waktu
3:30:00
6 7.9 8.0 0.1 1.64557 Hasil pengujian berupa data waktu eksekusi
PM
7
3:35:00
7.9 8.3 0.4 4.683544
sistem dari masing-masing kualitas air. Data
PM waktu eksekusi akan dianalisis untuk
3:40:00
8
PM
7.9 8.1 0.2 2.405063 mengetahui kehandalannya.
3:45:00 Tabel 14. Data Pengujian Waktu Eksekusi Sistem
9 7.9 8.0 0.1 1.392405
PM
3:50:00 No Nama objek Waktu Eksekusi (detik)
10 7.9 8.0 0.1 0.886076
PM 1 Air Kolam Ikan 1 0.42
Rata-rata 0.19 2.315649
2 Air Kolam Ikan 2 0.41

Setelah melakukan pengujian sebanyak 10 3 Air Kolam Ikan 3 0.41

kali dengan waktu yang berbeda, dapat di hitung 4 Air Kolam Ikan 4 0.36
nilai rata-rata error sebesar 0.19 dan dapat di 5 Air Kolam Ikan 5 0.36
katakan bahwa hasil penggunaan sensor pH 6 Air Kolam Ikan 6 0.4
dengan alat ukur pH meter efektif karena nilai 7 Air Kolam Ikan 7 0.41
error di dapatkan kurang dari 1 dengan error rata- 8 Air Kolam Ikan 8 0.37
rata 2,31%.
9 Air Kolam Ikan 9 0.35
Untuk hasil yang memberikan error 2,31%
10 Air Kolam Ikan 10 0.37
sudah cukup akurat untuk sensor pH
menentukan keasaman kualitas air dengan di Rata - rata 0.39
bandingkan dengan pH meter. Setelah melakukan pengujian sebanyak 10
kali menggunakan jenis kualitas air yang
3.3 Pengujian Sensor Turbidity berbeda, bisa di hitung nilai rata-rata sebesar
0.39 detik. Waktu tersebut bisa dikatakan sangat
Pengujian Turbidity sensor SKU SEN0189
cepat dibandingkan menggunakan cara manual.
dengan alat ukur turbidity meter digunakan
Waktu eksekusi dimulai dari inisialisasi awal
untuk membandingkan data nilai sensor dengan
hingga perhitungan pada metode JST.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 4204

Bagian yang paling berpengaruh pada waktu berakhir pada pukul 3 sore. Rata-rata waktu
eksekusi sistem merupakan pada waktu sensor eksekusi dari hasil pengujian sebesar 3,29 detik.
mengambil nilai kualitas air dan metode jaringan Sehingga secara jelas bahwa sistem dapat
syaraf tiruan. Teknologi pemrosesan yang mengestimasi waktu untuk menyalakan pompa
dipakai juga sangat mempengaruhi ketika lebih cepat dibandingkan dengan cara manual.
eksekusi. Arduino Uno menjadi pusat
pemrosesan telah sangat cukup untuk membuat 5. DAFTAR PUSTAKA
waktu eksekusi yang cepat. Ichsan, M. H. H., Kurniawan, W., & Huda, M.
(2016). Water quality monitoring with
4. PENUTUP
fuzzy logic control based on graphical
Pada jaringan syaraf tiruan terdapat data programming. Telkomnika, 14(4), 1446.
latih dan data uji dari variabel yang telah proses
Jaya, R. 2011. Hubungan Parameter Kualitas Air
yaitu data dari sensor pH dan sensor turbidty
Dalam Budidaya Ikan Nila. Makalah
pada 30 jenis air kolam yang berbeda dengan
Manajemen Sumberdaya Perairan
kualitas air yang optimal. Pada penelitian ini
Fakultas Pertanian Universitas Negeri
model jaringan menggunakan dua buah input
Musamus: Marauke.
yaitu pH(X1), Turbidty(X2) dan output dalam
bentuk menit(Y) sebagai target seberapa lama Maricar, M. A. 2019. Analisa Perbandingan
pompa akan menyala untuk menyaring air Nilai Akurasi Moving Average dan
akuarium. Pada penelitian ini digunakan 12 buah Exponential Smoothing untuk Sistem
neuron pada lapisan tersembunyi pada lapisan Peramalan Pendapatan pada Perusahaan
pertama. Data latih yang diambil dari 2/3 dan XYZ. Jurnal Sistem dan Informatika
data pengujian diambil dari 1/3 dari data (JSI), 13(2), 36-45
keseluruhan. Parameter yang ditetapkan adalah Purnamasari, R. W. 2013. Implementasi jaringan
maksimum epoch sebanyak 12000 iterasi dan syaraf tiruan backpropagation sebagai
laju pembelajaran 0.01. sistem deteksi penyakit tuberculosis
Metode jaringan syaraf tiruan dapat (TBC) (Doctoral dissertation, Universitas
mentukan estimasi waktu untuk menyalakan Negeri Semarang).
pompa air berdasarkan sensor pH dan sensor Sunarso. 2008. Manajemen Kualitas Air. http://
turbidity dengan melakukan pelatihan terhadap pdf Water Engineer .com/manajemen
jaringan syaraf tiruan dan melkukan pengujian. Kualitas Air.pdf.
Pengujian yang dilakukan menghasilkan akurasi
sebesar 87.4% dan mean absolute precentage Wiguna, P., Ichsan, M. H. H., & Fitriyah, H.
error sebesar 12.6% yang termasuk dalam 2018. Rancang Bangun Filter Air Berbasis
kategori “Baik”. Arduino Pada Penampungan Air
Menggunakan Metode Fuzzy. Jurnal
Sensor pH 4502C dan sensor turbidity SKU Pengembangan Teknologi Informasi dan
SEN0189 masing – masing sensor dapat Ilmu Komputer e-ISSN, 2548, 964X.
mengambil nilai kualitas air dengan baik, dengan
akurasi sebesar 95,26% dan rata – rata error
sebesar 4,74% untuk sensor pH, kemudian
dengan akurasi sebesar 97.69% dan rata – rata
error sebesar 2,31% untuk sensor turbidity.
Waktu eksekusi sistem merupakan
kecepatan sistem dalam memproses
pengambilan nilai pada sensor sampai dapat
menentukan estimasi waktu menyalanya pompa
air. Kecepatan sistem mempengaruhi
produktifitas budidaya ikan jika sistem
diterapkan secara langsung. Waktu eksekusi
dimulai saat RTC sudah menunjukkan waktu
pukul 8 pagi hingga nilai tampil pada LCD, relay
pompa filter air dan buzzer. Kemudian sistem
akan standby setelah waktu operasional sudah

Fakultas Ilmu Komputer, Universitas Brawijaya