Pemantauan kualitas air secara manual pada perikanan budidaya tidak efisien dan menyulitkan pengambilan keputusan yang cepat, sehingga berisiko mengganggu produktivitas ikan. Penelitian ini bertujuan untuk merancang dan membangun sistem monitoring kualitas air berbasis Internet of Things (IoT) yang mampu mengukur parameter suhu udara, suhu air, kelembaban, dan ketinggian muka air secara real-time, serta menganalisis hubungan linear antar parameter tersebut. Metode yang digunakan adalah perancangan sistem prototipe di Telaga Inspirasi IPB University menggunakan mikrokontroler ESP32, sensor DHT11, DS18B20, dan JSN-SR04T, dengan platform Blynk sebagai antarmuka pengguna. Pengambilan data dilakukan selama dua minggu dan dianalisis menggunakan metode regresi linier berganda. Hasil penelitian menunjukkan bahwa sistem yang dibangun berhasil berfungsi dengan baik, mengirimkan data secara real-time dan menampilkannya pada dasbor situs web maupun aplikasi gawai. Berdasarkan analisis data, ditemukan adanya hubungan yang signifikan antar parameter yang diukur, yang dimodelkan dalam persamaan regresi Y = -0,468 + 0,015(Kelembaban) + 0,720(Suhu Udara) + 0,272(Suhu Air). Nilai koefisien determinasi (R2) sebesar 0,774 menunjukkan bahwa 77,4% variasi ketinggian muka air dapat dijelaskan oleh ketiga variabel independen tersebut, dengan suhu udara sebagai faktor paling berpengaruh. Implikasi dari penelitian ini adalah tersedianya sebuah sistem monitoring yang modern, efisien, dan berbasis data ilmiah untuk mendukung keberhasilan dan keberlanjutan usaha budidaya perikanan.

Manual water quality monitoring in aquaculture is inefficient and complicates rapid decision-making, posing a risk to fish productivity. This research aims to design and build an Internet of Things (IoT)-based water quality monitoring system capable of measuring air temperature, water temperature, humidity, and water surface level in real-time, as well as analyzing the linear relationship between these parameters. The method involved designing a prototype system at Telaga Inspirasi, IPB University, using an ESP32 microcontroller, DHT11, DS18B20, and JSN-SR04T sensors, with the Blynk platform as the user interface. Data was collected over two weeks and analyzed using multiple linear regression. The research results indicate that the developed system functioned properly, transmitting data in real-time and displaying it on a website dashboard and mobile application. Based on data analysis, a significant relationship was found among the measured parameters, modeled by the regression equation Y = -0.468 + 0.015(Humidity) + 0.720(Air Temperature) + 0.272(Water Temperature). The coefficient of determination (R2) of 0.774 shows that 77.4% of the variation in water surface level can be explained by the three independent variables, with air temperature being the most influential factor. The implication of this research is the availability of a modern, efficient, and science based monitoring system to support the success and sustainability of aquaculture businesses.