Sistem Rekomendasi dan Pemantauan Kualitas Air Kolam Bibit Budidaya Ikan Nila menggunakan Metode Support Vector Machine (SVM)

Fathurrahman Hernanda Khasan; Dahnial Syauqy; Rakhmadhany Primananda

Sistem Rekomendasi dan Pemantauan Kualitas Air Kolam Bibit Budidaya Ikan Nila menggunakan Metode Support Vector Machine (SVM)

Penulis

Fathurrahman Hernanda Khasan Fakultas Ilmu Komputer, Universitas Brawijaya
Dahnial Syauqy Fakultas Ilmu Komputer, Universitas Brawijaya
Rakhmadhany Primananda Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Sistem Rekomendasi, Pemantauan, Ikan Nila, Ikan Nila, Budidaya Ikan Nila, Support Vector Machine

Abstrak

Ikan Nila (Oreochromis niloticus) menjadi fokus dalam industri perikanan air tawar di Indonesia karena memiliki nilai ekonomis tinggi. Dalam konteks ini, pemantauan kualitas air menjadi krusial untuk memastikan pertumbuhan dan produktivitas ikan yang optimal. Penelitian ini menjawab kebutuhan mendesak dalam pemantauan kualitas air kolam bibit budidaya ikan nila dengan mengembangkan Sistem rekomendasi dan pemantauan kualitas air menggunakan metode Support Vector Machine (SVM). Penelitian ini menerapkan metode pengembangan implementatif untuk mengimplementasikan hasil penelitian sebelumnya ke dalam aplikasi praktis. Tahapan penelitian mencakup studi literatur, rekayasa kebutuhan sistem, perancangan dan implementasi sistem, pengujian, serta analisis hasil. Sistem ini dirancang untuk memberikan rekomendasi dan memantau kualitas air kolam bibit ikan nila dengan memanfaatkan sensor suhu DS18B20, PH-4502C, dan sensor turbiditas SEN0189.Pengujian melibatkan evaluasi sensor dan metode SVM untuk klasifikasi kualitas air. Hasil uji klasifikasi SVM menunjukkan kemampuan sistem mengenali tiga kelas kualitas air, yaitu "Bersih", "Perlu Diencerkan", dan "Perlu Dikuras". Sistem berhasil memberikan rekomendasi yang sesuai dengan kondisi air kolam bibit ikan nila dan mampu memonitor kualitas air secara akurat dengan keberhasilan prediksi 100% untuk seluruh 15 data testing. Sensor suhu, pH, dan turbiditas juga menunjukkan kinerja baik dengan tingkat akurasi sebesar 99.51% untuk sensor suhu DS18B20, 98.85% untuk sensor PH-4502C dan pembacaan yang adaptif sesuai lingkungannya pada sensor turbiditas SEN0189.

Referensi

Aprilla, S., Furqon, M. T., & Fauzi, M. A. (2018). Klasifikasi Penyakit Skizofrenia dan Episode Depresi Pada Gangguan Kejiwaan Dengan Menggunakan Metode Support Vector Machine (SVM). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(11), 5611–5618.

Bagaskara, D. I., Syauqy, D., & Prasetio, B. H. (2023). Sistem Klasifikasi Kualitas Air untuk Budidaya Ikan Nila Hitam (Oreochromis Niloticus) menggunakan Metode Support Vector Machine. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(12), 5784–5791.

Bratadharma, A. (2022, February 5). Ikan Nila dari Indonesia Jadi Primadona di Pasar Dunia. Medcom.id. Retrieved September 21, 2023, from https://www.medcom.id/ekonomi/bisnis/xkEZ4zxK-ikan-nila-dari-indonesia-jadi-primadona-di-pasar-dunia

Cristianini, N., & Shawe-Taylor, J. (2000). An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. Cambridge University Press.

Dauhan, 2. E. S., Efendi, E., & Suparmono. (2014). EFEKTIFITAS SISTEM AKUAPONIK DALAM MEREDUKSI KONSENTRASI AMONIA PADA SISTEM BUDIDAYA IKAN. e-Jurnal Rekayasa dan Teknologi Budidaya Perairan, 3, 297-302.

Kesumawati, A. (2018). Predicting patterns of student graduation rates using Naïve bayes classifier and support vector machine. Conference: THE 8TH ANNUAL BASIC SCIENCE INTERNATIONAL CONFERENCE: Coverage of Basic Sciences toward the World’s Sustainability Challanges, 1. 10.1063/1.5062769.

Salim, A., & Edidas, E. (2023). Sistem Monitoring Kualitas Air Pada Budidaya Bibit Ikan Nila Menggunakan Algoritma Decision Tree. Jurnal Vocational Teknik Elektronika dan Informatika, 11. https://doi.org/10.24036/voteteknika.v11i2.122313

Sistem Rekomendasi dan Pemantauan Kualitas Air Kolam Bibit Budidaya Ikan Nila menggunakan Metode Support Vector Machine (SVM)