Perpustakaan Digital ITB

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.