Implementasi Rough Set Theory pada Sistem Kontrol pH Air Aquascape Berbasis IoT
Keywords:
Rough set theory, Internet of Things, Aquascape, sistem kontrol ph, OtomatisasiAbstract
Pada era digital yang semakin maju, pemantauan dan pengendalian kualitas lingkungan menjadi faktor penting dalam menjaga kestabilan ekosistem buatan seperti aquascape. Penelitian ini mengembangkan sistem kontrol air aquascape berbasis Internet of Things (IoT) dengan penerapan Rough Set Theory (RST) untuk meningkatkan ketepatan, efisiensi, serta keandalan dalam pengambilan keputusan otomatis. Sistem ini memungkinkan pengguna memantau nilai pH dan suhu secara real-time melalui platform Blynk, sekaligus mengatur kestabilan air menggunakan aktuator otomatis yang dikendalikan oleh mikrokontroler ESP32. Antarmuka yang dirancang secara intuitif memudahkan pengguna dalam menganalisis kondisi air, memantau perubahan pH dan suhu, serta mempertahankan lingkungan ideal bagi ekosistem aquascape. Penerapan metode RST membantu menyederhanakan atribut data, menentukan batas ketidakpastian, serta membentuk aturan keputusan yang lebih presisi, adaptif, dan efisien. Selain itu, sistem ini dirancang agar dapat dikembangkan lebih lanjut untuk mendukung parameter lingkungan lain. Secara keseluruhan, sistem ini menjadi solusi terintegrasi yang mendukung pengelolaan aquascape secara otomatis, efektif, cerdas, serta berkelanjutan untuk menjaga kestabilan dan kualitas ekosistem air secara menyeluruh, berkesinambungan, inovatif, dan ramah lingkungan.
References
A. Rifat, P. Patel, and B. S. Babu, “The Internet of Things (IOT) in Smart Agriculture Monitoring,” Eur. J. Inf. Technol. Comput. Sci., vol. 2, no. 1, pp. 14–18, 2022, doi: 10.24018/compute.2022.2.1.49.
C. Bersani, C. Ruggiero, R. Sacile, A. Soussi, and E. Zero, “Internet of Things Approaches for Monitoring and Control of Smart Greenhouses in Industry 4.0,” Energies, vol. 15, no. 10, 2022, doi: 10.3390/en15103834.
D. P. Hutabarat, R. Susanto, B. Prasetya, B. Linando, and S. M. N. Arosha, “Smart system for maintaining aquascape environment using internet of things based light and temperature controller,” Int. J. Electr. Comput. Eng., vol. 12, no. 1, pp. 896–902, 2022, doi: 10.11591/ijece.v12i1.pp896-902.
Hariyadi, A. Winaya, and M. R. A. Pratama, “Effect of Time of LED Lights Irradiation on Aquascape Performance,” J. Aquac. Dev. Environ., vol. 3, no. 1, pp. 134–142, 2020, [Online]. Available: https://jurnal.untidar.ac.id/index.php/jade/article/view/2354
S. Demiralp, “New Insights into Rough Set Theory: Transitive Neighborhoods and Approximations,” Symmetry (Basel)., vol. 16, no. 9, 2024, doi: 10.3390/sym16091237.
S. Xia et al., “An Efficient and Accurate Rough Set for Feature Selection, Classification, and Knowledge Representation,” IEEE Trans. Knowl. Data Eng., vol. 35, no. 8, pp. 7724–7735, 2023, doi: 10.1109/TKDE.2022.3220200.
A. F. Ritonga, S. Wahyu, and F. O. Purnomo, “Implementasi Internet of Things (IoT) untuk Meningkatkan Kompetensi Siswa SMK Jakarta 1,” Risenologi, vol. 5, no. 1, pp. 1–8, 2020, doi: 10.47028/j.risenologi.2020.51.57.
