Sistem monitoring real-time untuk budidaya lobster air tawar
Pemantauan kualitas air secara real-time dengan update otomatis setiap 60 detik
Sistem klasifikasi otomatis menggunakan Machine Learning untuk menentukan kualitas air
Analisis cerdas untuk kesehatan kolam budidaya lobster air tawar
Hasil evaluasi model klasifikasi kualitas air
Model klasifikasi menggunakan algoritma Decision Tree berhasil mencapai tingkat akurasi 97.82% dalam mengklasifikasikan kualitas air menjadi tiga kategori: Layak, Kurang Layak, dan Tidak Layak. Performa tinggi ini menunjukkan bahwa sistem dapat diandalkan untuk memberikan rekomendasi yang akurat dalam monitoring kualitas air budidaya lobster.
Mahasiswa Semester 7 Telkom University Surabaya - Capstone Project
Supervisor
Membimbing dan mengawasi jalannya proyek capstone, memberikan arahan teknis, serta memastikan kualitas dan ketepatan implementasi sistem sesuai standar akademik dan industri.
Full Stack Developer
Bertanggung jawab atas pengembangan backend dan integrasi sistem dengan fokus pada Laravel framework dan API development.
Frontend Developer
Mengembangkan antarmuka pengguna yang intuitif dan responsive dengan fokus pada user experience dan visualisasi data.
Data Scientist
Mengembangkan model Machine Learning untuk klasifikasi kualitas air dan analisis data menggunakan Python dan scikit-learn.
Business Analyst
Menganalisis kebutuhan bisnis dan pengguna, mendefinisikan requirements sistem, serta memastikan solusi yang dikembangkan selaras dengan tujuan dan proses bisnis budidaya lobster.
Stack teknologi modern untuk performa optimal