IMPLEMENTASI SISTEM MONITORING KUALITAS AIR MINUM BERBASIS INTERNET OF THINGS DENGAN METODE SUPPORT VECTOR MACHINE DAN SUPPORT VECTOR REGRESSION

Amanda, Dea Putri (2026) IMPLEMENTASI SISTEM MONITORING KUALITAS AIR MINUM BERBASIS INTERNET OF THINGS DENGAN METODE SUPPORT VECTOR MACHINE DAN SUPPORT VECTOR REGRESSION. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (391kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (290kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (569kB) | Request a copy
	Text (BAB III METODOLOGI PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (843kB) | Request a copy
	Text (BAB IV HASIL DAN PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (150kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (283kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Penelitian ini bertujuan merancang sistem monitoring kualitas air minum berbasis Internet of Things (IoT) yang terintegrasi dengan machine learning. Permasalahan pada depot air minum isi ulang adalah pemantauan kualitas air yang masih visualisasi manual, sehingga berpotensi menurunkan kualitas air tanpa terdeteksi serta menyebabkan keterlambatan penggantian filter. Penelitian ini mengimplementasikan sistem monitoring kualitas air minum berbasis Internet of Things (IoT) menggunakan sensor pH, turbidity, dan Total Dissolved Solids (TDS) yang dikendalikan oleh mikrokontroler ESP32. Data hasil pembacaan sensor dikirim menggunakan protokol MQTT, disimpan pada database MySQL, dan ditampilkan secara real time melalui website monitoring. Selanjutnya, metode Support Vector Machine (SVM) digunakan untuk mengklasifikasikan kelayakan air minum, sedangkan Support Vector Regression (SVR) digunakan untuk memprediksi sisa umur filter. Sebelum proses pelatihan model, dilakukan preprocessing data berupa pembersihan data, penyeimbangan kelas menggunakan Synthetic Minority Oversampling Technique (SMOTE), standardisasi menggunakan Standard Scaler, serta optimasi hyperparameter menggunakan Grid Search. Hasil pengujian menunjukkan bahwa model SVM memperoleh accuracy sebesar 94,85%, precision 77,30%, recall 99,71%, dan F1-score 87,00%. Sementara itu, model SVR menghasilkan nilai MAE sebesar 0,0836 hari, MSE sebesar 0,0342, dan R² sebesar 0,9977, yang menunjukkan kemampuan prediksi sisa umur filter dengan tingkat kesalahan yang rendah. Hasil penelitian menunjukkan bahwa integrasi teknologi IoT dengan metode SVM dan SVR mampu menghasilkan sistem monitoring kualitas air minum secara real time serta mendukung pengambilan keputusan dalam menentukan kelayakan air dan estimasi waktu penggantian filter.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Internet of Things (IoT), pH, Turbidity, TDS, Support Vector Machine, Support Vector Regression
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	03 Sep 2026 08:38
Last Modified:	03 Sep 2026 08:38
URI:	http://eprints.polsri.ac.id/id/eprint/26179

Actions (login required)

View Item