<![CDATA[Estimasi biomassa Ikan Nila secara presisi merupakan elemen krusial dalam sistem Smart Aquaculture untuk mengoptimalkan Feed Conversion Ratio dan mencegah overfeeding. Tantangan utama pemodelan ini adalah fluktuasi data deret waktu yang non-linear akibat dinamika kualitas air, serta keterbatasan jumlah sampel observasi lapangan (dataset kecil). Penelitian ini membandingkan kinerja algoritma statistik AutoRegressive Integrated Moving Average (ARIMAX) dan Support Vector Regression (SVR) dengan kernel Radial Basis Function (RBF) untuk memprediksi bobot ikan harian. Dataset dikumpulkan selama 11 minggu dari kolam intensif, meliputi variabel bobot, pakan kumulatif, dan Oksigen Terlarut (Dissolved Oxygen, DO). Validasi model menerapkan skema Walk-Forward Validation. Hasil pengujian menunjukkan SVR secara signifikan mengungguli ARIMAX, menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 6.08% dan R² Score 0.9191, dibandingkan ARIMAX dengan MAPE 11.97% dan R² Score 0.7569. SVR terbukti lebih responsif menangkap anomali perlambatan laju pertumbuhan ikan yang dipicu fase stres hipoksia. Kesimpulannya, model SVR memiliki komputasi inferensi efisien sehingga prospektif ditanamkan pada mikrokontroler IoT berbasis ESP32 guna mengendalikan aktuator pemberian pakan otomatis secara dinamis.]]>
Copyrights © 2026
