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.