PENERAPAN ALGORITMA K-NN PADA MACHINE LEARNING UNTUK KLASIFIKASI KUALITAS AIR BUDIDAYA AKUAPONIK BERBASIS IoT

Pada sistem akuaponik, air merupakan darah kehidupan. yang merupakan media cair, dimana seluruh nutrisi makro serta mikro penting diangkut dari akuakultur ke komponen sistem hidroponik, dan media dimana ikan serta tumbuhan menerima oksigen.  Permasalahan dalam pemantauan kualitas air di Garasi80 Majenang yang merupakan UMKM budidaya ikan lele dengan menggunakan sistem pengelolaan air resirkulasi akuaponik terdapat kendala, yang mana kondisi kualitas air sangat cepat mengalami perubahan, yang tidak bisa cukup dipantau secara berkala pada waktu tertentu. Beberapa atribut terkait kualitas air yang diantaranya: temperatur, konduktivitas listrik (EC), serta potential of Hydrogen (pH) akan diambil untuk diklasifikasikan menggunakan algoritma data mining k- Nearest Neighbors (k-NN) untuk dapat memprediksi kualitas air yang sangat baik, baik atau buruk. Machine learning pada aplikasi berbasis Internet of Things (IoT) dibangun dengan menerapkan algoritma k-NN dengan menggunakan pendekatan metode CRISP-DM yang memiliki tahapan yaitu bussines understanding, data understanding, modeling, evaluation, deployment. Penentuan k optimal pada tahapan evaluasi dengan menggunakan metode k-Fold Cross Validation didapatkan k=3 sebagai jumlah tiga tetangga terdekat. Hasil dari penelitian menunjukan bahwa penerapan algoritma k-NN pada machine learning berbasis IoT, memberikan akurasi yang baik yaitu sebesar 100% untuk mengklasifikasikan kuaitas air dari hasil pengujian sebanyak sepuluh data uji.