Perbandingan Metode K-NN, SVM dan Decision Tree Pada Klasifikasi Kondisi Air Kolam Bioflok Nongsa

Abstract

Kolam bioflok merupakan salah satu teknologi budidaya perikanan yang saat ini sedang berkembang karena dapat memberikan beberapa keuntungan bagi pembudidaya ikan. Dalam budidaya ikan, fungsi air memegang peranan penting dalam keberlangsungan hidup ikan, sehingga kondisi air kolam, termasuk pH, ammonia, dan larutan oksigen, harus dipantau. Namun, para pembudidaya ikan saat ini memiliki tantangan untuk memantau kualitas air pada saat itu. Hal tersebut membuat sulitnya menentukan kualitas air kolam bioflok. Jika ketiga hal tersebut tidak dijaga dengan baik, banyak bakteri dan virus yang dapat mengancam kestabilan kondisi air dan kesehatan ikan itu sendiri. Oleh karena itu, pemantauan kondisi air menjadi sangat penting, dan penelitian ini berfokus pada pembuatan alat monitoring untuk mengetahui kadar pH, amonia, dan oksigen pada air kolam. Selain membuat alat monitoring, penelitian ini juga mengklasifikasikan kondisi air kolam. Metode pengklasifikasian menggunakan tiga algoritma: K-Nearest Neighbors, Support Vector Machine, dan Decision Tree. Berdasarkan ketiga metode klasifikasi tersebut, didapatkan hasil performa sebesar 97% untuk KNN, 92% untuk SVM, dan 99,25% untuk Decision Tree. Dari perbandingan performa ketiga metode tersebut, didapatkan hasil bahwa metode Decision Tree adalah yang terbaik dibandingkan dengan metode KNN dan SVM.