dc.contributor.advisor | Novianty, Inna | |
dc.contributor.author | Fathurahman, Farhan | |
dc.date.accessioned | 2024-07-31T07:00:39Z | |
dc.date.available | 2024-07-31T07:00:39Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/155217 | |
dc.description.abstract | Kualitas air dalam budi daya ikan merupakan hal penting untuk menjaga keberlangsungan hidup ikan. Kekeruhan salah satu karakter fisik air yang memegang peranan penting dalam penentuan kualitas air. Kekeruhan dalam air diukur dengan satuan Nephelometric Turbidity Units (NTU). Sensor yang dapat digunakan untuk memeriksa kekeruhan air adalah sensor turbidity/Total Suspended Solid (TSS). Akan tetapi, sensor tersebut mudah dimasuki oleh air sehingga menjadi rusak. Oleh karena itu, dibuatlah suatu alternatif sensor tersebut, yaitu dengan ESP32-CAM serta algoritme computer vision. ESP32-CAM bertindak sebagai kamera yang menangkap gambar permukaan air yang ada di kolam atau akuarium. Setelah itu, ESP32-CAM akan mengirim gambar menuju server untuk diproses dengan algoritme computer vision yang dibuat dengan platform Roboflow berupa model multi-label classification. Akurasi model multi-label classification didapatkan sebesar 98,9%. Hasil keluaran model tersebut adalah nilai kisaran kekeruhan air dengan satuan NTU. | |
dc.description.abstract | Water quality in fish farming is important to maintain the survival of fish. Turbidity is one of the physical characteristics of water that plays an important role in determining water quality. Turbidity in water is measured in Nephelometric Turbidity Units (NTU). The sensor that can be used to check water turbidity is the turbidity sensor/ Total Suspended Solid (TSS). However, water can easily penetrate the sensor and become damaged. Therefore, an alternative sensor was created, namely the ESP32-CAM and the computer vision algorithm. The ESP32-CAM acts as a camera that captures images of the water surface in the pond or aquarium. After that, the ESP32-CAM will send the image to the server for processing with the computer vision algorithm created with the Roboflow platform in the form of a multi-label classification model. Accuracy of the multi-label classification model is 98.9%. Output of the model is the value of the water turbidity range in NTU units. | |
dc.description.sponsorship | | |
dc.language.iso | id | |
dc.publisher | IPB University | id |
dc.title | Sistem Prediksi Nilai Kekeruhan Air Secara Real-Time Menggunakan ESP32-CAM dengan Platform Roboflow | id |
dc.title.alternative | Real-Time Water Turbidity Value Prediction System using ESP32-CAM with Roboflow Platform | |
dc.type | Tugas Akhir | |
dc.subject.keyword | Kualitas air | id |
dc.subject.keyword | esp32-cam | id |
dc.subject.keyword | kekeruhan air | id |
dc.subject.keyword | multi-label classification | id |
dc.subject.keyword | water turbidity | id |
dc.subject.keyword | roboflow | id |