Perpustakaan Digital ITB

ABSTRAK PREDIKSI RESIKO WHITE SPOT SYNDROME VIRUS PADA UDANG VANNAMEI DENGAN PENDEKATAN MACHINE LEARNING DAN EXPERT KNOWLEDGE Oleh Arrival Dwi Sentosa NIM: 23519035 (Program Studi Magister Informatika) Penyakit merupakan masalah utama yang menyebabkan kerugian terbesar dalam budidaya udang. Memprediksi peringatan dini penyakit udang akan sangat bermanfaat bagi pembudidaya selain kerugian juga untuk mencapai budidaya udang berkelanjutan jangka panjang. White spot syndrome virus (WSSV) merupakan penyakit yang umum terjadi di Indonesia, penyebaran infeksi WSSV sangat cepat dan tidak dapat diprediksi. Penelitian sebelumnya tentang prediksi penyakit udang dengan pendekatan pembelajaran mesin menggunakan kumpulan data yang bervariasi sebagian besar data tingkat tambak yang mempengaruhi akurasi prediksi. Dalam penelitian ini, kami menggunakan data kualitas air harian tingkat tambak yang diperoleh dari 26 tambak selama 2 siklus (7 bulan) di Indonesia secara keseluruhan adalah tambak skala intensif yang kami evaluasi kinerja prediktifnya menggunakan Logistic Regression (LR), k-Nearest Neighbor (k-NN), dan Deep Neural Network (DNN) pada dataset yang sama. Dataset kualitas air diperoleh dari 15 variabel kualitas air yang diperiksa secara rutin, seperti kandungan umum, kimia, zat biologi dan 3 variabel tambahan berdasarkan pengetahuan ahli (aturan standar) dari teknisi ahli pertanian yang diterapkan pada dataset dengan tujuan untuk meningkatkan akurasi kinerja prediksi. Eksperimen menunjukkan hasil yang menjanjikan untuk DNN (95% pada data validasi dan 93% pada data pengujian), diikuti oleh k-NN (94% pada data validasi dan 88% pada data pengujian) dan LR (91% pada data pengujian). validasi data dan 83% pada data pengujian). Studi ini menunjukkan potensi pendekatan pembelajaran mesin untuk memprediksi risiko WSSV pada udang dan melakukan tindakan pencegahan dini. Kata kunci: white spot syndrome virus, expert knowledge, penyakit udang, logistic regression, k-nearest neighbors, deep neural network.