Inovasi Mahasiswa Unpam: Sistem Deteksi Kualitas Air Berbasis Web dan Machine Learning

Kegiatan panen dan penanganan hasil ikan di lokasi kolam budi daya.

Tangerang Selatan, 25 Agustus 2026 — Pengelolaan kualitas air menjadi salah satu faktor penting dalam keberhasilan budi daya ikan dengan sistem keramba jaring apung. Perubahan suhu dan pH air akibat kondisi cuaca, seperti hujan deras maupun paparan matahari dengan intensitas tinggi, dapat terjadi secara tiba-tiba dan berpotensi menyebabkan stres fisiologis, penurunan metabolisme, hingga kematian ikan secara massal. Sementara itu, pemantauan kualitas air di sejumlah kolam budi daya masih dilakukan secara manual sehingga kondisi air tidak dapat dipantau secara real-time dan penanganan terhadap kondisi kritis berisiko terlambat.

Menjawab persoalan tersebut, Amir Rozy Sinaga, mahasiswa Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Pamulang, mengembangkan sistem monitoring kualitas air berbasis web yang mengintegrasikan sensor digital dengan teknologi machine learning menggunakan algoritma Isolation Forest. Penelitian yang dilakukan sebagai tugas akhir atau skripsi ini mengambil studi kasus pada usaha budi daya ikan keramba jaring apung di kawasan Cisauk, Tangerang.

Usaha tersebut mengelola 18 keramba dengan populasi sekitar 40.000 ekor ikan yang terdiri atas nila, patin, gurame, dan lele.

Penelitian berjudul “Implementasi Isolation Forest dalam Pemantauan Suhu dan pH Air untuk Optimalisasi Pertumbuhan Ikan pada Kolam Budi Daya Cisauk Berbasis Web” tersebut berlangsung selama kurang lebih tujuh bulan, mulai 1 Desember 2025 hingga 10 Juli 2026.

Sistem dirancang agar data suhu dan pH yang diperoleh melalui sensor digital dapat dianalisis secara otomatis tanpa menunggu proses pencatatan maupun rekapitulasi manual. Algoritma Isolation Forest digunakan untuk mengenali pola penyimpangan data yang dipengaruhi perubahan cuaca maupun faktor lingkungan lainnya.

Dengan mekanisme tersebut, anomali kualitas air dapat diketahui lebih cepat dan akurat sehingga petugas dapat segera mengambil langkah yang diperlukan.

Pengembangan sistem dilakukan menggunakan pendekatan model Prototyping. Metode ini memungkinkan rancangan sistem disesuaikan secara iteratif berdasarkan kebutuhan pengguna di lapangan.

Hasil pengujian terhadap 450 data historis menunjukkan model mampu mengidentifikasi 427 data normal dan 23 data anomali. Tingkat akurasi yang diperoleh mencapai 94,89 persen.

Data yang teridentifikasi sebagai anomali umumnya menunjukkan suhu dan pH lebih tinggi dibandingkan kondisi normal. Rata-rata suhu pada data anomali tercatat sebesar 31,26°C, sedangkan rata-rata pH mencapai 8,79. Kondisi tersebut dipengaruhi oleh cuaca panas.

Integrasi algoritma deteksi anomali dengan dashboard berbasis web juga memberikan peringatan dini atau early warning kepada petugas lapangan. Dengan begitu, tindakan korektif dapat dilakukan sebelum kondisi air memburuk dan berdampak terhadap kesehatan ikan.

Sistem tersebut dilengkapi sejumlah fitur, seperti dashboard, riwayat data, laporan dan analisis, serta manajemen pengguna. Akses sistem dapat diberikan kepada admin maupun petugas sesuai dengan peran masing-masing.

Penelitian ini dibimbing oleh Ria Ester, S.Kom., M.Kom., dosen Program Studi Teknik Informatika Universitas Pamulang, yang turut mengarahkan proses perancangan hingga pengujian sistem.

Penerapan machine learning pada sektor perikanan tersebut menunjukkan pemanfaatan teknologi untuk membantu menjaga stabilitas kualitas air yang menjadi salah satu faktor penting dalam pertumbuhan ikan sekaligus mendukung keberlangsungan usaha budi daya.

Uji coba dan implementasi sistem juga mendapat dukungan dari pengelola kolam budi daya di lokasi penelitian. Muhamad Arif, selaku Supervisor (SPV) yang mengawasi operasional kolam, menyatakan bahwa sistem tersebut membantu pekerjaan tim di lapangan.

“Sebelumnya, pengukuran suhu dan pH air kami lakukan secara manual setiap hari, jadi hasilnya baru diketahui setelah dicatat satu per satu. Dengan adanya sistem ini, status air langsung terlihat, apakah kondisinya aman atau bahaya, sehingga penanganan bisa lebih cepat dan tepat. Sistem ini sangat membantu pekerjaan kami di lapangan,” ujar Muhamad Arif.

Hasil evaluasi melalui kuesioner terhadap lima responden pengguna sistem, yang terdiri atas empat karyawan dan satu supervisor lapangan, menunjukkan tingkat kepuasan yang tinggi. Penilaian tersebut mencakup kemudahan penggunaan sistem, kejelasan hasil deteksi anomali, serta kegunaan fitur laporan dan grafik data monitoring.

Ke depan, penelitian ini masih dapat dikembangkan dengan menambahkan parameter kualitas air lainnya, seperti oksigen terlarut, amonia, dan kekeruhan. Integrasi sensor Internet of Things (IoT) juga dapat dilakukan agar proses pengambilan data berlangsung secara real-time.

Pengembangan sistem otomatisasi tindakan korektif, seperti aerasi otomatis, menjadi salah satu arah pengembangan berikutnya. Dengan demikian, sistem tidak hanya memberikan notifikasi ketika terjadi anomali, tetapi juga dapat merespons kondisi tersebut secara otomatis.

Penelitian ini diharapkan dapat menjadi salah satu contoh penerapan teknologi machine learning yang aplikatif dan relevan bagi sektor perikanan budi daya di Indonesia, khususnya untuk mendukung efisiensi operasional serta keberlanjutan usaha budi daya ikan berbasis keramba jaring apung.

Amir Rozy Sinaga
Mahasiswa Program Studi Teknik Informatika, Universitas Pamulang