<![CDATA[Penelitian ini bertujuan untuk membandingkan kinerja algoritma Naive Bayes, Random Forest, dan XGBoost dalam mengklasifikasikan kualitas air budidaya perikanan. Kualitas air merupakan faktor penting dalam menjaga kesehatan organisme akuatik serta mengoptimalkan produktivitas akuakultur. Penelitian ini menggunakan dataset yang mencakup beberapa parameter, seperti pH, suhu, oksigen terlarut, salinitas, dan kekeruhan, yang digunakan sebagai fitur masukan untuk memprediksi kelas kualitas air secara keseluruhan. Data dibagi menjadi dua bagian, yaitu data pelatihan dan data pengujian. Hasil eksperimen menunjukkan bahwa algoritma Random Forest mencapai akurasi klasifikasi tertinggi sekaligus waktu pemrosesan tercepat dibandingkan dengan XGBoost dan Naive Bayes. Algoritma XGBoost menghasilkan performa yang kompetitif dengan sensitivitas yang sedikit lebih tinggi terhadap variasi data, sedangkan Naive Bayes menunjukkan efisiensi komputasi yang tinggi namun dengan akurasi yang lebih rendah. Secara keseluruhan, Random Forest memberikan kinerja yang paling konsisten dan akurat dalam mengklasifikasikan kualitas air budidaya, sehingga dinilai paling cocok untuk diterapkan pada sistem pemantauan kualitas air secara real-time.]]>
Copyrights © 2026
