<![CDATA[Kualitas air merupakan faktor kunci yang menentukan keberhasilan dan keberlanjutan budidaya ikan nila. Ketidaksesuaian parameter air, seperti suhu atau kandungan zat kimia, dapat menimbulkan stres fisiologis, menurunkan laju pertumbuhan, hingga menyebabkan kematian pada ikan. Kondisi ini menjadikan pemantauan kualitas air sebagai aspek yang sangat krusial dan mendesak dalam praktik budidaya. Penelitian ini bertujuan melakukan pemodelan klasifikasi kelayakan kualitas air menggunakan algoritma Support Vector Machine (SVM) yang dikombinasikan dengan Radial Basis Function (RBF) kernel. Kernel RBF merupakan fungsi matematis yang memungkinkan SVM memetakan data yang tidak terpisah secara linear ke dalam ruang berdimensi lebih tinggi, sehingga pola klasifikasi menjadi lebih terlihat. Data numerik diperoleh dari delapan parameter kualitas air: suhu, pH, total dissolved solids (TDS), oksigen terlarut, nitrit, nitrat, fosfat, dan amonia. Selanjutnya, data diklasifikasikan ke dalam dua kategori: layak dan tidak layak, berdasarkan ambang batas biologis yang telah ditentukan. Model dibangun menggunakan pendekatan supervised learning dan dievaluasi melalui metrik akurasi dan confusion matrix. Hasil pengujian menunjukkan bahwa model SVM dengan kernel RBF menghasilkan akurasi sebesar 82%, dengan nilai presisi dan recall mencapai 100% pada kategori “tidak layak”. Ini menunjukkan bahwa model mampu mengidentifikasi kondisi air yang berisiko dengan sangat baik, menjadikannya solusi potensial untuk pemantauan kualitas air budidaya. Model ini berkontribusi terhadap pengelolaan budidaya ikan yang efisien melalui otomatisasi pemantauan kualitas air dan pengambilan keputusan yang lebih akurat, sekaligus mendukung keberlanjutan dengan meminimalkan risiko lingkungan dan penggunaan sumber daya secara berlebihan.]]>
Copyrights © 2025
