<![CDATA[Dissolved oxygen (DO) merupakan parameter kualitas air yang kritis dalam sistem akuakultur karena berpengaruh langsung terhadap kelangsungan hidup organisme budidaya. Penelitian ini mengusulkan model prediksi kadar oksigen terlarut pada kolam budidaya skala mikro berukuran 2,4 × 2,4 meter dengan kedalaman air 55 cm menggunakan kombinasi Gradient Boosting Decision Tree (GBDT) dan Long Short-Term Memory (LSTM). GBDT digunakan untuk seleksi fitur dari dua belas variabel input yang mencakup data sensor kualitas air dan data meteorologi dari stasiun cuaca otomatis, termasuk radiasi surya, curah hujan, tekanan udara, kelembaban, dan kecepatan angin. Variabel baru berupa Heat Flux dan Wind Mix diturunkan dari karakteristik fisik kolam untuk merepresentasikan intensitas energi per satuan volume air. Parameter LSTM dioptimalkan menggunakan cross-validation grid search dengan K=5 fold dan 96 kombinasi parameter. Data dikumpulkan dari sistem IoT dan stasiun cuaca otomatis selama Oktober–Desember 2024. Hasil evaluasi model menunjukkan RMSE=0,4963 mg/L, MAE=0,368 mg/L, dan MAPE=0,129, lebih baik dibandingkan LSTM Baseline (RMSE=0,4254, MAE=0,300, MAPE=0,105).]]>
Copyrights © 2026
