Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Inovasi Informatika dan Bisnis Digital (JIIBD)
Retno Wardhani
Universitas Islam Lamongan, Jawa Timur
Computer Science & IT Economics, Econometrics & Finance

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Vaname Shrimp Harvest Prediction System Using The K-Nearest Neighbors (KNN) Method Ahmad Ubaidillah; Retno Wardhani; Ayu Ismi Hanifah
Jurnal Inovasi Informatika dan Bisnis Digital (JIIBD) Vol 1 No 1 (2025): November 2025
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59934/jiibd.v1i1.1820

Abstract

Udang vaname merupakan salah satu komoditas budidaya budidaya yang bernilai ekonomi tinggi dan banyak dibudidayakan di wilayah pesisir Indonesia, termasuk di Desa Pendowolimo, Kecamatan Karangbinayun, Kabupaten Lamongan. Namun, produktivitas panen seringkali tidak stabil karena faktor-faktor seperti perubahan iklim, kualitas air, dan terbatasnya penggunaan teknologi prediktif. Penelitian ini bertujuan untuk merancang dan membangun sistem prediksi panen udang vaname berbasis web menggunakan metode K-Nearest Neighbors (KNN). Metode KNN dipilih karena kemampuannya melakukan klasifikasi dan prediksi berdasarkan kedekatan data historis. Kumpulan data yang digunakan terdiri dari 150 catatan panen dengan variabel antara lain periode panen, luas tambak, jumlah tebar ("rean"), durasi tumbuh, dan jumlah pakan. Perhitungan dilakukan dengan menggunakan jarak Euclidean untuk menemukan tetangga terdekat K tersebut, dan hasil panen diprediksi dari nilai rata-rata tetangga tersebut. Untuk mengukur akurasi sistem, digunakan Mean Absolute Percentage Error (MAPE), menghasilkan MAPE sebesar 9,6%, yang dikategorikan sebagai prediksi yang sangat baik. Sistem ini diimplementasikan pada platform web dengan fitur login, manajemen data, dan prediksi real-time otomatis. Hasil penelitian ini menunjukkan bahwa menggunakan metode KNN untuk memprediksi panen udang vaname mampu membantu petambak membuat keputusan budidaya yang lebih terencana dan berbasis data. Oleh karena itu, sistem tersebut diharapkan dapat meningkatkan efisiensi, produktivitas, dan keberhasilan panen di masa depan.
Co-Authors Ahmad Ubaidillah Ayu Ismi Hanifah