ADHIM, MUHAMMAD FAIZ AL and Nugraha, Sapta and Refly, Septia (2025) PEMANTAUAN KUALITAS AIR WADUK SEI PULAI BERBASIS INTERNET OF THINGS LORA SERTA PENGGUNAAN ALGORITMA SUPPORT VEKTOR MACHINE UNTUK KLASIFIKASI DAN PREDIKSI. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) M FAIZ AL ADHIM _2101010051_Teknik Elektro dan Informatika_Cover.pdf - Published Version Download (646kB)
	Text (Abstrak) M FAIZ AL ADHIM _2101010051_Teknik Elektro dan Informatika_Abstrak.pdf - Published Version Download (32kB)
	Text (BAB I) M FAIZ AL ADHIM _2101010051_Teknik Elektro dan Informatika_BAB I.pdf - Published Version Download (109kB)
	Text (Daftar Pustaka) M FAIZ AL ADHIM _2101010051_Teknik Elektro dan Informatika_Daftar Pustaka.pdf - Published Version Download (183kB)
	Text (Full Teks) M FAIZ AL ADHIM _2101010051_Teknik Elektro dan Informatika_Full Teks.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kebutuhan akan pemantauan kualitas air secara real-time semakin penting untuk menjaga keamanan dan keberlanjutan sumber daya air, terutama pada waduk yang menjadi sumber air baku. Penelitian ini bertujuan merancang dan mengimplementasikan sistem pemantauan kualitas air Waduk Sei Pulai secara real-time berbasis Internet of Things (IoT) dengan teknologi LoRa serta algoritma Support Vektor Machine (SVM) untuk klasifikasi dan prediksi kualitas air. Sistem menggunakan modul TTGO LoRa32 V1.6.1 sebagai transmitter dan receiver, yang terhubung dengan sensor suhu air (DS18B20), suhu dan kelembapan udara (DHT22), pH, TDS, serta sensor ultrasonik JSN-SR04T untuk mengukur ketinggian air. Data dikirim setiap 10 menit melalui jaringan LoRa, disimpan pada microSD di perangkat receiver, ditampilkan di layar OLED, dan diunggah ke platform ThingSpeak untuk pemantauan jarak jauh. Transmitter diatur dalam mode deep sleep untuk efisiensi daya, sementara receiver tetap menyimpan data lokal microSD saat WiFi terganggu dan otomatis mengirimkan data terbaru ketika koneksi pulih. Algoritma Support Vektor Machine (SVM) digunakan dalam penelitian ini untuk melakukan klasifikasi dan prediksi kualitas air berdasarkan parameter suhu air, pH, dan TDS. Hasil pengujian menunjukkan bahwa model SVM mampu mengklasifikasikan dan memprediksi kualitas air dengan akurasi sebesar 98,35% dan nilai Mean Absolute Percentage Error (MAPE) sebesar 20,52%, yang menunjukkan performa model yang baik. Keberhasilan model ini dipengaruhi oleh kualitas data serta penggunaan kernel RBF, yang berperan penting dalam membentuk hyperplane optimal untuk proses klasifikasi dan prediksi. Dengan demikian, sistem yang dirancang terbukti efektif dalam mendukung pemantauan kualitas air secara berkelanjutan

Actions (login required)

View Item