PREDIKSI HASIL PRODUKSI IKAN LELE MENGGUNAKAN MACHINE LEARNING (Studi Kasus Dinas Perikanan Kabupaten Muara Enim)

  • EMILDA SAKINA Teknik Informatika Fakultas Sains Teknologi Universitas Bina Darma, Indonesia
    (ID)
  • A.HAIDAR MIRZA Teknik Informatika Fakultas Sains Teknologi Universitas Bina Darma, Indonesia
    (ID)
Keywords: Artificial Neural Network (ANN), Decision Tree, Dinas Perikanan, Prediksi hasil produksi, Ikan lele, Random Forest

Abstract

Penelitian ini berfokus pada peningkatan pengelolaan data di Dinas Perikanan Kabupaten Muara Enim, khususnya dalam memajukan produksi ikan lele, seiring dengan meningkatnya permintaan konsumsi ikan di Provinsi Sumatera Selatan. Menghadapi tantangan seringnya kekurangan pasokan ikan lele, penelitian ini mengembangkan model prediksi untuk hasil produksi ikan lele menggunakan tiga algoritma machine learning: Artificial Neural Network (ANN), Random Forest, dan Decision Tree. Data yang digunakan meliputi data historis produksi, data lingkungan, dan data pemeliharaan. Tujuan utama adalah untuk memahami hubungan antara faktor lingkungan, praktik pemeliharaan, dan output produksi ikan lele. Kinerja dari setiap algoritma dievaluasi menggunakan metrik yang sesuai untuk menentukan pendekatan terbaik. Hasil penelitian diharapkan dapat memberikan wawasan bagi Dinas Perikanan dalam merencanakan produksi, mengelola sumber daya, dan membuat keputusan yang lebih informatif dan efisien, sehingga mendukung ketersediaan ikan lele yang berkelanjutan dan memenuhi permintaan pasar dengan lebih baik

Downloads

Download data is not yet available.

Author Biographies

EMILDA SAKINA, Teknik Informatika Fakultas Sains Teknologi Universitas Bina Darma, Indonesia

Teknik Informatika Fakultas Sains Teknologi Universitas Bina Darma, Indonesia

A.HAIDAR MIRZA, Teknik Informatika Fakultas Sains Teknologi Universitas Bina Darma, Indonesia

Teknik Informatika Fakultas Sains Teknologi Universitas Bina Darma, Indonesia

References

Aidia, A. K. F., Amelia, P. J., & Setyaning Nastiti, V. R. (2022). Prediksi Jumlah Pasien Covid-19 Dengan Menggunakan Klasifikasi Algoritma Machine Learning. SINTECH (Science and Information Technology) Journal, 5(2), 165–172.
Arno Prayogo Nawari. Penerapan Data Mining dalam Memprediksi Kelayakan Kredit Nasabah Menggunakan Algoritma c4.5 (Studi kasus pada PT. Astra Internasional Auto 2000 Plaju. 2022. Prodi Teknik Informatika.
Cahyani, Rusnandari Retno, and Anniez Rachmawati Musliffah.
Eniarti, W. (t.t.). Analis Kelayakan Usaha Pembenihan Ikan Puyuh Di Kelurahan Air Dingin Kecamatan Bukit Raya Kota Pekanbaru Provinsi Riau ( Studi Kasus Balai Benih Ikan UIR ). Jurnal informatika dan rekayasa perangkat lunak 2.1 (2021)
Gunawan, Y., & Elven, T. M. A. (2020). Budidaya Lela Terpal Sebagai Alternatif Peningkatan Kesejahteraan Buruh Pabrik Di Duku. Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal, 3(2), 155–162.
Hermawan, S., & Budi, S. (2021). Analisis dan Prediksi Pertempuran Game Of Thrones Menggunakan Algoritma Random Forest dan Logistic Regression. 3.
Kurniawan, C. M. A., Sahertian, J., & Sanjaya, A. (2020). Sistem Monitoring dan Pemberian Pakan Otomatis pada Budidaya Ikan Lele Berbasis Internet of Things.
Published
2024-02-03
Section
Volume 9 Nomor 1 April Tahun 2024
Abstract viewed = 169 times