Smart Monitoring: rancang bangun alat ukur dan prediksi kualitas air akuakultur menggunakan machine learning

Akuakultur telah menjadi landasan dalam produksi pangan global, menyediakan lebih dari setengah konsumsi ikan di seluruh dunia sejak tahun 2020, termasuk untuk Food and Agriculture Organizatiin (FAO) United Nations (Baena-Navarro et al., 2025). Akuakultur juga banyak dikembangkan di Indonesia untuk memenuhi ketahanan pangan nasional. Akuakultur menghadapi tantangan khususnya dalam mengelola kualitas air dimana hal ini merupakan faktor penting dalam menjaga kesehatan ikan dan produksi yang berkelanjutan. Parameter kualitas air seperti suhu, oksigen terlarut (DO), pH, dan kekeruhan yang dapat mempengaruhi kesehatan dan laju pertumbuhan ikan sehingga sering kali mengakibatkan kerugian ekonomi yang besar (Baena-Navarro et al., 2025). Temperatur 25-32℃ dan pH 6,5-
8,5 paling cocok untuk pertumbuhan hewan akuatik dan konsentrasi Dissolved Oxygen (DO)
pada sistem akuakultur lebih tinggi dari 5 mg/L (Li et al., 2022). Permasalahan tersebut dapat diatasi dengan adanya penelitian di bidang akuakultur menggunakan teknologi seperti Internet of Things (IoT) dan Machine Learning (ML). Penggunaan IoT memungkinkan pengumpulan data kualitas air secara terus menerus melalui sensor dan jaringan internet serta berbagai macam pendekatan ML menunjukkan kegunaan dalam analisis prediktif yang memungkinkan pengelola akuakultur untuk mengantisipasi dan mengurangi pergeseran kritis dalam kualitas air.