IRVAN MAULANA, MOKHAMMAD (2025) Sistem prediksi kualitas air untuk budidaya ikan lele dengan algoritma xgboost. Sarjana thesis, UNIVERSITAS MURIA KUDUS.

Preview	Text (Halaman Judul) Halaman Judul.pdf - Published Version Download | Baca Disini
Preview	Text (Bab 1) Bab 1 TA.pdf - Published Version Download | Baca Disini
	Text (Bab 2) Bab 2 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 3) Bab 3 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 4) Bab 4 TA.pdf - Published Version Restricted to Registered users only Download
	Text (Bab 5) Bab 5 TA.pdf - Published Version Restricted to Registered users only Download
Preview	Text (Daftar Pustaka) Daftar Pustaka TA.pdf - Published Version Download | Baca Disini
	Text (Lampiran) Lampiran TA.pdf - Published Version Restricted to Registered users only Download

Abstrak

Pertumbuhan sektor akuakultur di Indonesia, khususnya budidaya ikan lele, menunjukkan peningkatan signifikan seiring dengan meningkatnya permintaan pasar. Ikan lele memiliki nilai ekonomi tinggi dan banyak dibudidayakan oleh petani di berbagai daerah. Namun, salah satu tantangan utama adalah memprediksi perkembangan ikan secara akurat untuk mengoptimalkan produksi dan mengurangi risiko kerugian. Teknologi machine learning, terutama algoritma XGBoost, menjadi solusi yang sangat potensial. XGBoost, yang menggunakan pohon keputusan untuk meningkatkan akurasi prediksi melalui proses boosting, memungkinkan petani ikan lele untuk memprediksi pertumbuhan ikan dengan mempertimbangkan berbagai faktor lingkungan seperti kualitas air, suhu, dan pakan. Kualitas air, yang dipengaruhi oleh suhu, pH, kadar oksigen terlarut, amonia, nitrit, dan nitrat, memerlukan pemantauan rutin untuk menjaga kesehatan ikan. Implementasi sistem prediksi dengan XGBoost membantu petani mengatur jadwal pemberian pakan, memantau kualitas air, dan mengurangi risiko kematian ikan, sehingga meningkatkan produktivitas dan efisiensi budidaya. Langkah ini juga mendukung transformasi digital dalam sektor perikanan, memungkinkan petani ikan menghadapi tantangan di masa depan dengan lebih baik dan memanfaatkan peluang yang ada secara optimal.

Item Type:	Skripsi/ Thesis (Sarjana)
Dosen Pembimbing:	Dosen Pembimbing: 1.Fajar Nugraha S.Kom, M.Kom. Dosen Pembimbing: 2.Dr. Arif Setiawan S.kom, M.Cs.
Kata Kunci:	Machine Learning, Pertumbuhan, Algoritma XGboost
Subjects:	Ilmu Murni > Matematika Ilmu Murni > Matematika > Perangkat lunak (software) komputer
Program Studi:	Fakultas Teknik > S1 Sistem Informasi
Depositing User:	Mr Firman Al Mubaroq
Date Deposited:	01 Aug 2025 01:43
Last Modified:	01 Aug 2025 01:43
URI:	http://eprints.umk.ac.id/id/eprint/24758

Actions (login required)

View Item