13519021 Arjuna Marcelino.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Pemantauan dan prediksi kualitas air merupakan faktor penting dalam budidaya
ikan nila merah. Kualitas air sangat memengaruhi kesehatan dan pertumbuhan ikan.
Pemanfaatan pembelajaran mesin dalam memprediksi kualitas air dapat membantu
petambak dalam mengambil tindakan yang tepat untuk menjaga kondisi optimal
bagi pertumbuhan ikan. Tugas akhir ini bertujuan untuk mendapatkan algoritma
(LSTM atau GRU) yang sesuai untuk mengembangkan model yang memberikan
kinerja lebih baik dalam konteks prediksi kualitas air pada budidaya ikan nila
merah. Fokus utama dari penelitian ini adalah membandingkan algoritma LSTM
dan GRU untuk melihat algoritma mana yang memberikan hasil prediksi yang lebih
akurat. Data kualitas air dikumpulkan dari sistem pemantauan yang terpasang di
kolam budidaya ikan nila merah. Data tersebut dipraproses sebelum digunakan
dalam pembelajaran. Setelah itu, model diimplementasi dan dilatih menggunakan
data tersebut. Eksperimen dilakukan pada kedua algoritma untuk mendapatkan
arsitektur, teknik praproses, panjang jendela, dan hyperparameter terbaik. Kinerja
model dievaluasi menggunakan metrik evaluasi MAPE, RMSE, dan MAE. Dari
penelitian ini, didapatkan hasil bahwa model LSTM memberikan hasil prediksi
kualitas air yang lebih akurat dibanding model GRU. Model terbaik ini telah diuji
dengan data yang berasal dari dua kolam ikan nila merah berbeda. Pengujian
memberikan hasil prediksi yang akurat. Model LSTM tersebut digunakan sebagai
komponen pembelajaran mesin untuk prediksi kualitas air pada sistem manajemen
kualitas air pada budidaya ikan nila merah.