Perpustakaan Digital ITB

Aerasi merupakan komponen operasional paling kritis sekaligus paling boros energi dalam sistem budidaya ikan intensif. Praktik aerasi konvensional yang mengandalkan kontrol manual atau timer statis sering menyebabkan pemborosan energi, keterlambatan respons terhadap penurunan oksigen terlarut (dissolved oxygen/DO), serta meningkatkan risiko hipoksia. Pendekatan akuakultur cerdas berbasis cloud computing juga menghadapi kendala latensi dan ketergantungan jaringan, sehingga kurang andal diterapkan pada lokasi dengan infrastruktur terbatas. Penelitian ini bertujuan merancang dan mengevaluasi arsitektur sistem aerasi adaptif berbasis Internet of Things (IoT) dan Edge Computing yang mampu melakukan pemantauan dan pengendalian kualitas air secara real-time, otonom, dan efisien energi. Metodologi Design Science Research Methodology (DSRM) digunakan untuk mengembangkan artefak sistem berbasis Raspberry Pi 5 sebagai node edge yang mengintegrasikan sensor DO real-time, modul prediksi deret waktu, dan algoritma kontrol Finite State Machine (FSM) sebagai lapisan keselamatan utama. Seluruh proses akuisisi data, prediksi, dan pengambilan keputusan dijalankan secara lokal tanpa ketergantungan koneksi internet. Beberapa model prediksi DO, yaitu Naive, Exponential Moving Average (EMA), Holt Linear Trend, ARIMA, dan Random Forest, dievaluasi menggunakan data lapangan. Implementasi dan pengujian dilakukan pada kolam uji ikan nila di Balai Riset Pemuliaan Ikan (BRPI) Sukamandi dengan membandingkan mode AUTO dan MANUAL. Hasil menunjukkan sistem mampu menjaga DO di atas 5 mg/L sekaligus menurunkan durasi operasi aerator dan konsumsi energi lebih dari 50%. Penelitian ini menegaskan bahwa efektivitas aerasi adaptif ditentukan oleh arsitektur IoT–Edge dan logika kontrol FSM yang stabil, bukan semata kompleksitas model prediksi.