Rancang Bangun Monitoring dan Pengendali Suhu, pH dan Kekeruhan Air pada Smart Akuarium
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.004 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it