M12 Proposal Penelitian Contoh2
M12 Proposal Penelitian Contoh2
Abstrak:
Pengelolaan tambak udang vannamei memerlukan pengendalian kualitas air dan pemberian pakan
yang tepat guna meningkatkan produktivitas dan kesehatan udang. Oleh karena itu, penelitian ini
bertujuan untuk merancang dan mengembangkan sistem pemberi pakan dan pengendalian kualitas
air secara otomatis pada tambak udang vannamei menggunakan teknologi neural network (NN) dan
Internet of Things (IoT). Sistem ini terdiri dari sensor yang dipasang pada tambak untuk mendeteksi
suhu, pH, dan oksigen terlarut, serta dispenser pakan otomatis yang dikontrol oleh NN. Data dari
sensor dikirim melalui jaringan IoT ke server untuk diproses menggunakan algoritma NN dan
menghasilkan pengendalian kualitas air dan pemberian pakan yang tepat. Hasil dari penelitian
DIHARAPKAN sistem ini dapat meningkatkan produktivitas tambak udang vannamei secara signifikan
dengan menjaga kualitas air dan pemberian pakan yang tepat secara otomatis. Oleh karena itu, sistem
pemberi pakan dan pengendalian kualitas air secara otomatis ini dapat menjadi solusi yang efektif
dalam pengelolaan tambak udang vannamei.
BAB 1 PENDAHULUAN
Sistem pemberi pakan dan pengendalian kualitas air tambak secara otomatis pada tambak
udang vannamei menggunakan neural network (NN) dan internet of things (IoT) merupakan
suatu solusi yang dapat mengatasi kendala-kendala tersebut. Sistem ini bertujuan untuk
meningkatkan produktivitas dan kualitas udang vannamei dengan mengoptimalkan
pemberian pakan dan mengontrol kualitas air secara otomatis[3], [4].
Sistem ini akan terdiri dari beberapa komponen, yaitu sensor kualitas air, sensor pakan, dan
aktuator pemberi pakan otomatis. Data yang dihasilkan oleh sensor akan dikirimkan ke
perangkat utama yang dihubungkan dengan jaringan IoT. Perangkat utama akan menganalisis
data tersebut menggunakan NN untuk menentukan jumlah pakan yang diperlukan dan
kualitas air yang harus dijaga agar tetap dalam kondisi yang optimal. Setelah itu, aktuator
pemberi pakan otomatis akan menghasilkan pakan dengan jumlah yang tepat dan waktu yang
tepat[5], [6].
Dalam penelitian ini, akan dilakukan pengujian dan evaluasi terhadap sistem yang telah
dirancang. Evaluasi dilakukan dengan mengukur produktivitas dan kualitas udang yang
dihasilkan dari tambak yang dilengkapi dengan sistem pemberi pakan dan pengendalian
kualitas air otomatis ini dibandingkan dengan tambak yang tidak dilengkapi dengan sistem
tersebut.
Penelitian ini diharapkan dapat memberikan kontribusi yang positif bagi pengembangan
industri perikanan di Indonesia, khususnya dalam bidang budidaya udang vannamei. Selain
itu, penelitian ini juga dapat memberikan inspirasi untuk pengembangan sistem serupa pada
bidang perikanan yang lainnya.
1. Penelitian ini hanya memfokuskan pada rancangan dan pengujian sistem pemberi pakan
dan pengendalian kualitas air tambak secara otomatis pada tambak udang vannamei.
2. Penelitian ini hanya menggunakan metode neural network (NN) dan internet of things
(IoT) sebagai teknologi pendukung pada sistem pemberi pakan dan pengendalian kualitas
air tambak otomatis pada tambak udang vannamei.
1. Penelitian ini diharapkan dapat memberikan solusi bagi petani tambak udang vannamei
dalam mengatasi permasalahan pemberian pakan dan pengendalian kualitas air yang
masih dilakukan secara manual.
2. Penelitian ini diharapkan dapat meningkatkan efisiensi penggunaan pakan dan menjaga
kualitas air tambak yang dapat mempengaruhi pertumbuhan dan kesehatan udang
vannamei.
3. Penelitian ini diharapkan dapat memberikan alternatif teknologi dalam pengelolaan
tambak udang vannamei yang lebih modern dan efektif.
BAB 2 TINJAUAN PUSTAKA
Penelitian pertama yang perlu disebutkan adalah oleh T. Lin et al. pada tahun 2010[17] .
Mereka mengusulkan sistem pemantauan dan pengendalian real-time pada tambak udang
menggunakan Wireless Sensor Networks. Penelitian ini fokus pada pengukuran suhu, oksigen
terlarut (DO), pH, dan salinitas air. Namun, penelitian ini tidak membahas penggunaan Neural
Network dan IoT dalam sistem tersebut. Kendala yang dihadapi adalah terbatasnya jangkauan
sensor dan kendala dalam integrasi dengan sistem pemberi pakan otomatis.
Satu penelitian terkini yang relevan dengan penggunaan IoT adalah oleh M. Satya et al[18].
pada tahun 2021. Mereka mengusulkan sistem monitoring kualitas air tambak ikan dengan
menggunakan Internet of Things (IoT). Penelitian ini fokus pada pengukuran suhu, pH, dan
kekeruhan air. Sistem ini lebih efisien dalam mengumpulkan data dan melakukan pengaturan
secara otomatis. Namun, penelitian ini tidak membahas penggunaan Neural Network untuk
prediksi kualitas air dan pemberian pakan.
Untuk prediksi kualitas air, terdapat penelitian yang menggunakan Artificial Neural Network
(ANN). H. Muharom et al. (2017) [19]melakukan prediksi kualitas air pada tambak ikan dengan
menggunakan ANN berdasarkan pengukuran suhu, pH, Dissolved Oxygen (DO), dan Total
Dissolved Solids (TDS). Penelitian ini mencapai akurasi prediksi yang tinggi dan dapat
digunakan untuk pengaturan pemberian pakan otomatis. Namun, penelitian ini tidak
membahas penggunaan IoT untuk monitoring kualitas air.
Penelitian lain yang menggunakan kombinasi metode Grey Correlation Analysis (GCA) dan
Artificial Neural Network (ANN) adalah oleh Y. Liu et al. (2020) [20]. Mereka melakukan
prediksi kualitas air dengan mengukur suhu, Dissolved Oxygen (DO), pH, Chemical Oxygen
Demand (COD), Total Phosphorus (TP), Total Nitrogen (TN), dan Ammonia Nitrogen (NH3-N).
Kombinasi metode ini menunjukkan akurasi prediksi yang tinggi. Namun, penelitian ini juga
tidak membahas penggunaan IoT untuk monitoring kualitas air.
Selain itu, terdapat penelitian yang menggunakan metode Grey Relational Analysis (GRA) dan
Artificial Neural Network (ANN) untuk prediksi kualitas air pada tambak udang. W. Wu et
al.[21] (2017) melakukan prediksi kualitas air dengan mengukur suhu, pH, Dissolved Oxygen
(DO), salinitas, dan Total Dissolved Solids (TDS). Penelitian ini menunjukkan akurasi prediksi
yang tinggi untuk mengatur pemberian pakan otomatis. Namun, penelitian ini juga tidak
membahas penggunaan IoT untuk monitoring kualitas air.
METODOLOGI PENELITIAN
Metodologi penelitian dengan fokus pada tujuan, desain penelitian, objek penelitian,
pengumpulan data, implementasi sistem, dan analisis data untuk penelitian dengan judul
"Sistem pemberi pakan dan pengendalian kualitas air tambak secara otomatis pada tambak
udang vannamei menggunakan Neural Network (NN) dan Internet of Things (IoT)",
dilaksanakan dengan langkah langkah sesuai diagram alir berikut:
START
Deskripsi Tujuan
Bab 1 dan Bab 2 Penelitian
Desain Penelitian
Pengumpulan Data
Implementasi
Sistem
Analisis Data
Validasi dan
Interpretasi Hasil
Bab 4
Pengujian dan
Evaluasi
Kesimpulan dan
Bab 5 Saran
STOP
3.1. Tujuan Penelitian
Sesuai dengan latar belakang, permasalahan dan tujuan pada Bab 1, dan studi literatur pada
Bab 2, telah ditentukan bahwa Tujuan utama dari penelitian ini adalah merancang dan
mengimplementasikan sistem pemberi pakan dan pengendalian kualitas air tambak secara
otomatis menggunakan Neural Network (NN) dan Internet of Things (IoT). Selain itu, tujuan
penelitian juga mencakup pengumpulan data kualitas air tambak, pengolahan data, dan
analisis hasil untuk mengoptimalkan kondisi pertumbuhan udang vannamei.
Gambar 3.3 Gambar asli Ponds 1, pada lokasi tambak udang untuk penelitian.
Dari gambar 3.2 dan 3.3 dapat diketahui bahwa obyek penelitian adalah tambak udang yang
dikelola secara intensif dengan memanfaatkan teknologi budidaya perikanan terkini.
Untuk pengaplikasian IOT akan digunakan martphone , dengan menu sebagai berikut:
Bulan Aktivitas
- Merancang sistem pemberi pakan dan pengendalian kualitas air tambak secara
otomatis menggunakan NN dan IoT.<br>- Memilih dan menguji sensor untuk
3-4 mendeteksi kualitas air dan suhu di dalam tambak.
- Melakukan uji coba sistem pemberi pakan dan pengendalian kualitas air
tambak secara otomatis pada skala besar.<br>- Melakukan pengumpulan data
9-10 dan analisis data.
Total 80.000.000
Peneliti Aktivitas
- Melakukan survei awal terhadap tambak udang vannamei di daerah yang telah
ditentukan.<br>- Mengumpulkan data kualitas air tambak udang vannamei melalui
pengambilan sampel air dan menganalisis data hasil pengukuran.<br>- Melakukan uji
coba sistem pemberi pakan secara otomatis dengan mengacu pada hasil survei awal dan
Peneliti 1 mengumpulkan data terkait efektivitas sistem.
- Mempelajari dasar-dasar neural network dan teknologi Internet of Things (IoT) yang
diperlukan untuk mengembangkan sistem pemberi pakan dan pengendalian kualitas air
tambak secara otomatis.<br>- Merancang dan mengembangkan sistem pemberi pakan
dan pengendalian kualitas air tambak secara otomatis menggunakan neural network dan
Peneliti 2 teknologi IoT.
Peneliti Aktivitas
- Menganalisis data hasil uji coba sistem dan memastikan sistem berjalan dengan
efektif.<br>- Melakukan analisis statistik terhadap data hasil pengukuran kualitas air dan
efektivitas sistem pemberi pakan secara otomatis.<br>- Menyiapkan laporan penelitian
Peneliti 3 dan membuat presentasi hasil penelitian.
REFERENSI
[1] P. Dewi Purnama Sari et al., “KESESUAIAN EKOLOGI BUDIDAYA UDANG VANAME
(Litopenaeus vannamei) PADA TAMBAK SEMI INTENSIF DI KECAMATAN GEROKGAK, BALI,”
Jurnal Riset Akuakultur, vol. 17, no. 2, pp. 121–132, doi: 10.15578/jra.17.2.2022.121-132.
[2] A. A. Prakoso et al., “Prosiding Seminar Nasional Tahunan Ke-V Hasil-Hasil Penelitian
Perikanan dan Kelautan STUDI ANALISA USAHA DAN PROSPEK PENGEMBANGAN BUDIDAYA
UDANG VANAME (Litopenaeus vannamei) SISTEM INTENSIF DI KECAMATAN SLUKE,
KABUPATEN REMBANG,” 2016.
[3] U. Khoiriyah, H. Sufyan Hadi, and P. Yeni Aisyah, “Vanname Shrimp Health Monitoring System
Using Internet of Things-based Image Processing Method.”
[4] Institute of Electrical and Electronics Engineers, 2019 IEEE 4th International Conference on
Computer and Communication Systems : ICCCS 2019 : February 23-25, 2019, Singapore.
[6] L. S. Karlo Tolentino et al., “International Journal of Computing and Digital Systems
Development of an IoT-based Intensive Aquaculture Monitoring System with Automatic
Water Correction.” [Online]. Available: http://journals.uob.edu.bh
[7] A. Marisa Halim, M. Krisnawati, A. Fauziah, P. Studi Teknik Budidaya Perikanan, and P. K.
Sidoarjo, “DINAMIKA KUALITAS AIR PADA PEMBESARAN UDANG VANNAMEI (Litopenaeus
vannamei) SECARA INTENSIF DI PT. ANDULANG SHRIMP FARM DESA ANDULANG
KECAMATAN GAPURA KABUPATEN SUMENEP JAWA TIMUR FLUCTUATION OF WATER
QUALITY ON VANNAMEI (Litopenaeus vannamei) IN PT. ANDULANG SHRIMP FARM
ANDULANG VILLAGE GAPURA DISTRICT SUMENEP REGENCY EAST JAVA.” [Online]. Available:
http://ejournal-balitbang.kkp.go.id/index.php/chanos2
[8] M. Mangampa dan Hidayat Suryanto Suwoyo Balai Riset Perikanan Budidaya Air Payau Jl
Makmur Dg Sitakka and S. Selatan, “BUDIDAYA UDANG VANAME (Litopenaeus vannamei)
TEKNOLOGI INTENSIF MENGGUNAKAN BENIH TOKOLAN.”
[9] J. Niu et al., “The effect of different feeding rates on growth, feed efficiency and immunity of
juvenile Penaeus monodon,” Aquaculture International, vol. 24, no. 1, pp. 101–114, Feb.
2016, doi: 10.1007/s10499-015-9911-x.
[10] N. E. Francissca and F. F. Muhsoni, “LAJU PERTUMBUHAN DAN KELANGSUNGAN HIDUP IKAN
NILA (Oreochromis niloticus) PADA SALINITAS YANG BERBEDA,” Juvenil:Jurnal Ilmiah Kelautan
dan Perikanan, vol. 2, no. 3, pp. 166–175, Sep. 2021, doi: 10.21107/juvenil.v2i3.11271.
[11] M. Mahmudi, M. Musa, A. Bunga, N. A. Wati, S. Arsad, and E. D. Lusiana, “A Water Quality
Evaluation of Integrated Mangrove Aquaculture System for Water Treatment in Super-
Intensive White Leg Shrimp Pond,” Journal of Ecological Engineering, vol. 23, no. 4, pp. 287–
296, 2022, doi: 10.12911/22998993/146746.
[12] R. T. Pinem and M. Sarida, “The growth performance of the Pacific white shrimp (Litopenaeus
vannamei) cultured at various salinity conditions using single step acclimation,” 2022.
[Online]. Available: http://www.bioflux.com.ro/aacl
[13] J. Gubbi, R. Buyya, S. Marusic, and M. Palaniswami, “Internet of Things (IoT): A vision,
architectural elements, and future directions,” Future Generation Computer Systems, vol. 29,
no. 7, pp. 1645–1660, 2013, doi: 10.1016/j.future.2013.01.010.
[14] L. Atzori, A. Iera, and G. Morabito, “The Internet of Things: A survey,” Computer Networks,
vol. 54, no. 15, pp. 2787–2805, Oct. 2010, doi: 10.1016/j.comnet.2010.05.010.
[15] B. Xu, N. Wang, T. Chen, and M. Li, “Empirical Evaluation of Rectified Activations in
Convolutional Network,” May 2015, [Online]. Available: http://arxiv.org/abs/1505.00853
[16] Y. Xin et al., “Machine Learning and Deep Learning Methods for Cybersecurity,” IEEE Access,
vol. 6, pp. 35365–35381, May 2018, doi: 10.1109/ACCESS.2018.2836950.
[17] “T. Lin et al. Real-time monitoring and control of shrimp aquaculture ponds using wireless
sensor networks”.
[18] “M. Satya et al. Automation of fish pond water quality monitoring system using IoT (2021)”.
[19] “H. Muharom et al. Prediction of fish pond water quality using artificial neural network based
on multiple parameters (2017)”.
[20] “Y. Liu et al. A combined method of grey correlation analysis and artificial neural network for
predicting water quality parameters (2020)”.
[21] “W. Wu et al. Application of artificial neural network in prediction of shrimp water quality
based on grey relational analysis (2017)”.
[22] “M. B. Priya et al. Real-time water quality monitoring in aquaculture systems using IoT
(2019).”.