METODOLOGI PENELITIAN

CONTOH PROPOSAL PENELITIAN

TUGAS AKHIR
Sistem pemberi pakan dan pengendalian kualitas air tambak secara otomatis pada tambak udang
vannamei menggunakan NN dan IoT

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

1.1 Latar Belakang

Industri perikanan, khususnya budidaya udang vannamei, saat ini mengalami perkembangan
yang pesat di Indonesia. Salah satu kendala utama dalam budidaya udang vannamei adalah
keterbatasan tenaga kerja dan kurangnya pengawasan yang memadai dalam pengelolaan
kualitas air dan pemberian pakan. Hal ini dapat memengaruhi produktivitas dan kualitas
udang yang dihasilkan. Oleh karena itu, diperlukan suatu sistem yang dapat membantu
pengelolaan tambak udang secara efektif dan efisien[1], [2].

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.

1.2 Rumusan Masalah:

Berdasarkan penjelasan dalam pendahuluan sebelumnya, rumusan masalah dan tujuan
penelitian yang dapat diambil adalah sebagai berikut:
1. Bagaimana merancang sistem pemberi pakan otomatis pada tambak udang vannamei?
2. Bagaimana merancang sistem pengendalian kualitas air tambak otomatis pada tambak
udang vannamei?
3. Bagaimana mengintegrasikan neural network (NN) dan internet of things (IoT) pada
sistem pemberi pakan dan pengendalian kualitas air tambak otomatis pada tambak
udang vannamei?
4. Bagaimana kinerja sistem pemberi pakan dan pengendalian kualitas air tambak otomatis
pada tambak udang vannamei menggunakan NN dan IoT?
1.3 Tujuan Penelitian:
1. Merancang sistem pemberi pakan otomatis pada tambak udang vannamei.
2. Merancang sistem pengendalian kualitas air tambak otomatis pada tambak udang
vannamei.
3. Mengintegrasikan neural network (NN) dan internet of things (IoT) pada sistem pemberi
pakan dan pengendalian kualitas air tambak otomatis pada tambak udang vannamei.
4. Menguji kinerja sistem pemberi pakan dan pengendalian kualitas air tambak otomatis
pada tambak udang vannamei menggunakan NN dan IoT.

1.4 Batasan Masalah:

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.

1.5 Kontribusi Penelitian:

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

2.1 Tambak Udang Vannamei

Tambak udang vannamei adalah jenis tambak yang paling populer di dunia dan banyak
dibudidayakan di Indonesia. Tambak ini menggunakan air tawar atau air payau dan biasanya
terletak di daerah pesisir atau pedalaman. Udang vannamei memiliki pertumbuhan yang
cepat, ukuran yang besar, dan produksinya lebih banyak dibandingkan dengan jenis udang
lainnya. Meskipun demikian, budidaya tambak udang vannamei memerlukan pengawasan
yang ketat dan perawatan yang tepat agar tidak terkena penyakit atau wabah[7], [8].

2.2 Pemberian Pakan pada Tambak

Udang Vannamei Pemberian pakan pada tambak udang vannamei sangat penting karena
dapat mempengaruhi pertumbuhan dan kualitas udang. Jenis pakan yang diberikan biasanya
terdiri dari bahan nabati, hewani, atau campuran keduanya. Pemberian pakan harus
disesuaikan dengan kebutuhan nutrisi udang, dan perlu dilakukan dengan frekuensi yang
tepat dan dalam jumlah yang cukup. Pemberian pakan yang tidak tepat dapat menyebabkan
kematian udang atau pertumbuhan yang tidak optimal[9], [10].

2.3 Pengendalian Kualitas Air pada Tambak

Udang Vannamei Kualitas air pada tambak udang vannamei juga sangat penting karena dapat
mempengaruhi pertumbuhan dan kesehatan udang. Beberapa parameter kualitas air yang
harus dijaga antara lain kadar oksigen, pH, suhu, dan konsentrasi amonia. Kadar oksigen yang
rendah dapat menyebabkan kematian udang, sedangkan kadar amonia yang tinggi dapat
menyebabkan keracunan pada udang. Oleh karena itu, perlu dilakukan pengukuran secara
berkala dan pengaturan yang tepat untuk menjaga kualitas air dalam kisaran yang
optimal[11], [12]

2.4. Internet of Things (IoT)

Internet of Things (IoT) adalah jaringan perangkat terhubung yang dapat saling
berkomunikasi, bertukar data, dan beroperasi secara otomatis tanpa campur tangan manusia.
IoT merupakan konsep yang sangat relevan dalam pengembangan teknologi terkini untuk
meningkatkan efisiensi dan produktivitas dalam berbagai bidang, termasuk pertanian. Dalam
konteks tambak udang, teknologi IoT dapat digunakan untuk mengukur dan memantau
kualitas air secara real-time dan mengirimkan data ke sistem kontrol untuk membuat
keputusan secara otomatis[13], [14].

2.5. Neural Network (NN)

Neural Network (NN) adalah sistem komputasi yang terinspirasi dari struktur dan fungsi otak
manusia. NN digunakan untuk mengatasi masalah yang sulit dipecahkan oleh komputer
konvensional dan dapat digunakan dalam berbagai aplikasi seperti pengenalan pola,
klasifikasi, dan prediksi. Dalam penelitian ini, NN digunakan untuk memproses data yang
diperoleh dari sensor kualitas air dan membuat keputusan tentang waktu dan jumlah
pemberian pakan udang[15], [16].
2.6. Penelitian Terkait

Beberapa penelitian telah dilakukan untuk mengembangkan sistem pemantauan dan

pengendalian kualitas air tambak udang menggunakan teknologi terkini seperti Wireless
Sensor Networks (WSN), Internet of Things (IoT), dan Artificial Neural Network (ANN).

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.

Terakhir, penelitian oleh M. B. Priya et al. (2019)[22] menggunakan teknologi Internet of

Things (IoT) untuk pemantauan kualitas air secara real-time pada sistem budidaya akuakultur.
Penelitian ini fokus pada pengukuran suhu, pH, dan kekeruhan air. Penggunaan IoT dalam
penelitian ini membantu dalam mengumpulkan data secara efisien dan melakukan
pengaturan otomatis. Namun, seperti penelitian sebelumnya, tidak ada pembahasan tentang
penggunaan Neural Network untuk prediksi kualitas air dan pemberian pakan.
Berdasarkan penelitian penelitian tersebut, maka pada 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.
 BAB III

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

Bab 3 Obyek 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.

3.2. Desain Penelitian

Penelitian ini menggunakan pendekatan penelitian eksperimental. Desain penelitian ini
meliputi tahapan-tahapan sebagai berikut: perancangan sistem, pengumpulan data,
implementasi sistem, dan analisis data.
Dalam perancangan sistem, akan dirancang struktur perangkat keras dan perangkat lunak
yang dibutuhkan. Kemudian, data kualitas air tambak akan dikumpulkan dan sistem akan
diimplementasikan. Setelah itu, data akan dianalisis untuk mendapatkan informasi yang
relevan.
3.2.1 Struktur perangkat keras (Hardware)
Hardware yang digunakan pada penelitian ini antara lain:
a. Sensor PH (Tambahkan keterangan spesifikasi hardware dan fungsinya)
b. Sensor DO (Tambahkan keterangan spesifikasi hardware dan fungsinya)
c. Sensor Suhu (Tambahkan keterangan spesifikasi hardware dan fungsinya)
d. Arduino Uno (Tambahkan keterangan spesifikasi hardware dan fungsinya)
e. ESP 32 (Tambahkan keterangan spesifikasi hardware dan fungsinya)
f. Ponsel Android (Tambahkan keterangan spesifikasi hardware dan fungsinya)

3.2.2 Perangkat Lunak (Software)

Software yang digunakan dalam penelitian ini antara lain:

a. Matlab (digunakan untuk pemodelan dan proses training NN)

b. C++ (digunakan untuk pemrograman hardware)
c. ……..

3.3. Obyek Penelitian

Obyek penelitian ini adalah tambak udang vannamei yang berlokasi di Madura. Tambak ini
dipilih berdasarkan pertimbangan luas tambak, populasi udang vannamei, dan aksesibilitas
untuk implementasi sistem pemberi pakan dan pengendalian kualitas air secara otomatis.
Penggambaran lokasi tambak udang dapat dilihat pada gambar 3.2 dan 3.3
Gambar 3.2 Lokasi tambak Udang dengan menggunakan google.

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.

3.4. Pengumpulan Data

Pengumpulan data dilakukan dengan menggunakan sensor-sensor yang terpasang di tambak
udang vannamei. Sensor-sensor tersebut mencakup pengukuran suhu, oksigen terlarut (DO),
pH, dan salinitas air. Data ini akan dikumpulkan secara periodik untuk memantau kondisi
kualitas air tambak.
3.5. Implementasi Sistem
Implementasi sistem pemberi pakan dan pengendalian kualitas air tambak secara otomatis
melibatkan instalasi perangkat keras dan perangkat lunak yang telah dirancang. Perangkat
keras akan terdiri dari sensor-sensor dan sistem pemberi pakan otomatis, sedangkan
perangkat lunak akan mencakup program-program yang diperlukan untuk mengendalikan
sistem dan menganalisis data.
Sistem NN yang dirancang mempunyai 4 input dan 7 output, seperti gambar 3.4 berikut.

Gambar 3.4 Struktur NN

Dari gambar 3.4 diketahui bahwa input adalah sbb
1. Data sensor ph
2. Data delta sensor ph
3. Data sensor DO
4. Data sensor Temperatur

Sedangkan outputnya adalah

1. Data ukuran Pakan

2. Data ukuran Camg
3. Data ukuran CaCO3
4. Data ukuran Valve out
5. Data ukuran Valve in
6. Data Pengoperasian Aerator
7. Data pengoperasian alarm

Untuk pengaplikasian IOT akan digunakan martphone , dengan menu sebagai berikut:

Gambar 3.5 layout Android untuk IOT

3.6. Analisis Data
Data yang dikumpulkan akan dianalisis untuk mendapatkan informasi yang relevan mengenai
kondisi kualitas air tambak dan kebutuhan pakan udang. Analisis data ini meliputi pengolahan
data, pemodelan menggunakan Neural Network (NN), dan penentuan pola pengendalian
kualitas air tambak secara otomatis berdasarkan hasil analisis.

3.7. Validasi dan Interpretasi Hasil

Hasil analisis data akan divalidasi untuk memastikan keakuratan dan keandalan sistem
pemberi pakan dan pengendalian kualitas air tambak. Selanjutnya, hasil yang telah divalidasi
akan diinterpretasikan untuk mengevaluasi efektivitas sistem dalam meningkatkan
pertumbuhan udang vannamei dan menjaga kualitas air tambak.

3.8. Pengujian dan Evaluasi

Pada tahap ini, sistem pemberi pakan dan pengendalian kualitas air tambak secara otomatis
akan diuji untuk mengukur kinerjanya. Pengujian meliputi uji fungsionalitas, kehandalan, dan
akurasi sistem. Selain itu, evaluasi akan dilakukan untuk menilai sejauh mana sistem
memenuhi tujuan penelitian dan memberikan manfaat dalam meningkatkan produktivitas
tambak udang vannamei.
 JADWAL PENELITIAN

Bulan Aktivitas

- Mempelajari literatur tentang sistem pemberi pakan dan pengendalian kualitas

air tambak secara otomatis menggunakan NN dan IoT.<br>- Mempelajari dan
1-2 memilih teknologi NN dan IoT yang akan digunakan dalam penelitian.

- 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.

- Mengembangkan dan menguji algoritma NN untuk pemberian pakan

otomatis.<br>- Membangun sistem IoT untuk mengumpulkan data dari sensor
5-6 dan mengontrol pemberian pakan otomatis.

- Mengembangkan dan menguji algoritma NN untuk pengendalian kualitas air

tambak secara otomatis.<br>- Melakukan uji coba sistem pemberi pakan dan
7-8 pengendalian kualitas air tambak secara otomatis pada skala kecil.

- 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.

11-12 - Menulis laporan penelitian.<br>- Menyusun presentasi penelitian.

RAB
Berikut contoh Rencana Anggaran Biaya (RAB) untuk penelitian "Sistem pemberi
pakan dan pengendalian kualitas air tambak secara otomatis pada tambak udang
vannamei menggunakan NN dan IoT":

No. Kegiatan Biaya (IDR)

1 Pengadaan sensor kualitas air 10.000.000

2 Pembuatan sistem pemberi pakan otomatis 15.000.000

3 Pembuatan sistem pengendali kualitas air otomatis 20.000.000

Pengadaan komponen elektronik (raspberry pi, kabel,

4 dll.) 5.000.000

5 Pengadaan udang vannamei untuk uji coba 5.000.000

6 Biaya transportasi untuk pengambilan sampel air 3.000.000

7 Biaya operasional laboratorium 10.000.000

 No. Kegiatan Biaya (IDR)

8 Biaya konsumsi 2.000.000

9 Biaya publikasi dan seminar 5.000.000

10 Biaya lain-lain 5.000.000

Total 80.000.000

Pembagian aktivitas peneliti

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.

[5] P. D. Karningsih, R. Kusumawardani, N. Syahroni, Y. Mulyadi, and M. S. B. M. Saad,

“Automated fish feeding system for an offshore aquaculture unit,” IOP Conf Ser Mater Sci
Eng, vol. 1072, no. 1, p. 012073, Feb. 2021, doi: 10.1088/1757-899x/1072/1/012073.

[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).”.