Rancang Bangun Monitoring dan Pengendali Suhu, pH dan Kekeruhan Air pada Smart Akuarium
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ikan merupakan sumber makanan yang mudah diperoleh di indonesia, ikan tidak hanya dapat ditemukan di sungai dan di laut saja. Seiring dengan perkembangan teknologi ikan dapat dibudidayakan di rumah dengan lahan yang terbatas. Dalam budidaya ikan, kualitas air memiliki pengaruh besar terhadap produksi ikan. Terdapat beberapa parameter yang dapat dijadikan acuan bahwa air dikatakan memiliki kualitas yang baik yaitu suhu air, pH air, dan kekeruhan pada air. Pada penelitian ini menggunakan ESP32 sebagai mikrokontroler untuk memproses pembacaan sensor suhu DS18B20, sensor pH, dan sensor TDS pada akuarium, dengan data yang dapat dimonitoring melalui LCD dan smartphone. Pada alat ini dapat mengatur ON/OFF pompa berdasarkan parameter kondisi air yang telah ditentukan. Hasil perbandingan antara akuarium yang menggunakan smart akuarium dan akuarium yang tidak menggunakan smart akuarium menunjukkan bahwa menggunakan smart akuarium lebih efektif dalam menjaga kualitas air (pH 6.8, suhu 29.4ºC, kekeruhan 96 ppm) sedangkan tidak menggunakan smart akuarium (pH 3.5, suhu 28.9ºC, kekeruhan 178 ppm). Penggunaan smart akuarium juga lebih efisien karena hanya mengonsumsi rata-rata 64.6 watt per hari dengan biaya bulanan Rp 2.798, dibandingkan dengan pompa kontinyu yang mengonsumsi 324 watt per hari dengan biaya bulanan Rp 14.035. sehingga pompa yang dikendalikan oleh smart akuarium dapat lebih baik dalam menjaga kualitas air dan menghemat pengeluaran biaya penggunaan listrik.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle