INTEGRASI DEEP LEARNING DAN INTERNET OF THINGS (IOT) UNTUK PERKEMBANGAN IKAN AIR TAWAR PADA SISTEM AKUAPONIK BERBASIS ENERGI TERBARUKAN

Pratiwi, Yolanda Eka (2025) INTEGRASI DEEP LEARNING DAN INTERNET OF THINGS (IOT) UNTUK PERKEMBANGAN IKAN AIR TAWAR PADA SISTEM AKUAPONIK BERBASIS ENERGI TERBARUKAN. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (Cover) Cover.pdf - Published Version Download (663kB)
Preview	Text (Abstrak) Abstrak.pdf - Published Version Download (50kB) | Preview
	Text (Bab I) Bab I.pdf - Published Version Restricted to Repository staff only Download (272kB) | Request a copy
	Text (Bab II) Bab II.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (Bab III) Bab III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (Bab IV) Bab IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (Bab V) Bab V.pdf - Published Version Restricted to Repository staff only Download (47kB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Restricted to Repository staff only Download (189kB) | Request a copy
	Text (Lampiran) Lampiran.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Penelitian ini merancang sistem pemantauan otomatis dan real-time terhadap perkembangan ikan nila merah (Oreochromis niloticus) pada sistem akuaponik berbasis energi terbarukan. Sistem ini menggabungkan teknologi deep learning menggunakan metode Faster R-CNN dan Internet of Things (IoT) melalui kamera CCTV V380 untuk akuisisi citra. Model didesain untuk mendeteksi dan mengklasifikasikan perkembangan morfologis ikan berdasarkan ukuran dan bentuk tubuh, yang kemudian ditampilkan dalam dashboard pemantauan berbasis IoT. Model Faster R-CNN dengan backbone ResNet-50 dilatih menggunakan dataset citra ikan nila merah yang dikumpulkan secara terpisah dari sistem akuaponik di Talang Kemang, Palembang. Optimasi dilakukan menggunakan algoritma Stochastic Gradient Descent (SGD). Hasil evaluasi menunjukkan performa yang cukup baik dengan nilai mAP, precision, recall, dan F1-score di atas 65%. Hasil penelitian membuktikan bahwa integrasi deep learning dan IoT mampu meningkatkan efisiensi pemantauan perkembangan ikan tanpa intervensi manusia secara langsung, sekaligus mendukung efisiensi energi dan keberlanjutan sistem akuaponik. Sistem ini berpotensi untuk diimplementasikan secara luas dalam sektor pertanian dan perikanan modern berbasis teknologi.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deep Learning, IoT, Deteksi Objek, Faster R-CNN, Ikan Nila Merah
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	13 Aug 2025 07:44
Last Modified:	13 Aug 2025 07:44
URI:	http://eprints.polsri.ac.id/id/eprint/18292

Actions (login required)

View Item