Penerapan K-Means Clustering pada Sistem Deteksi Anomali Kualitas Air Kolam Ikan Lele Berbasis IoT pada Platform Mobile Apps

Abstract

Sebagai salah satu komoditas perikanan yang memiliki potensi besar, budidaya lele sangat bergantung pada kualitas air yang terjaga. Perubahan parameter kualitas air seperti pH, suhu, dan kadar amonia dapat menyebabkan stres, penyakit, bahkan kematian massal pada ikan lele, yang berdampak signifikan terhadap keberhasilan budidaya. Penelitian ini bertujuan mengembangkan sistem monitoring kualitas air
kolam lele secara real-time berbasis Artificial Intelligence and Internet of Things (AIoT). Sistem ini membantu pembudidaya lele dalam pengelolaan kualitas air dengan tepat. Data dari sensor IoT diolah menggunakan algoritma K-Means yang mengklasifikasikan kondisi air menjadi dua kategori: normal dan abnormal. Hasil klasifikasi ditampilkan pada aplikasi mobile yang user-friendly sehingga pembudidaya dapat memantau kondisi kolam kapan saja dan di mana saja. Uji coba pada kolam lele menunjukkan algoritma K-Means memiliki akurasi 82% dalam mengelompokkan kondisi air. Sistem ini meningkatkan keberlanjutan usaha budidaya, efisiensi produksi, dan mengurangi risiko kerugian akibat kematian massal ikan lele.