Prediksi Kadar Oksigen Terlarut pada Kolam Ikan Nila Menggunakan Metode Ensemble Learning
Kadar oksigen terlarut (DO) sangat penting bagi ikan nila karena mendukung metabolisme dan pertumbuhan optimal pada rentang 6,0-6,5 mg/L, sementara kadar rendah (1,0-1,5 mg/L) dapat menghambat perkembangan. Penelitian ini menggunakan model machine learning berbasis Artificial Neural Network (ANN) dengan arsitektur GRNN, Random Forest (RF) dan Support Vector Regression (SVR) sebagai base model, serta MLP Neural Network sebagai meta-model dalam pendekatan ensemble stacking untuk memprediksi DO pada kolam ikan nila. Dataset terdiri dari 373 baris data parameter kualitas air (suhu, pH, TDS) yang dikumpulkan dari kolam ikan nila pada 16-31 Oktober 2024. Meta-model ensemble final mencapai performa terbaik dengan RMSE 0.5652, MAE 0.4534, MAPE 0.0643, dan R² 0.8312, mengungguli semua model tunggal. Model ensemble stacking pada penelitian ini berhasil meningkatkan akurasi prediksi DO, memberikan solusi efektif untuk mengoptimalkan kondisi kolam ikan nila.
URI
https://repo.itera.ac.id/depan/submission/SB2506240053
Keyword
Oksigen Prediksi Model Ensemble Learning