| dc.description.abstract | Budidaya udang vaname dengan padat tebar tinggi diharapkan mampu meningkatkan produktivitas hasil budidaya. Namun, penggunaan sistem tersebut dihadapkan dengan risiko yang lebih besar. Salah satunya memburuknya kualitas air yang meliputi parameter fisika, kimia, dan biologi. Kondisi kualitas air yang tidak sesuai juga dapat mempengaruhi kondisi parameter biologi kualitas air, seperti
plankton. Selain dapat mendukung keberhasilan proses budidaya udang, jenis tertentu dari plankton juga dapat berdampak negatif terhadap kondisi udang yang dibudidayakan. Berdasarkan kondisi tersebut, perlu dilakukannya monitoring dan evaluasi terhadap parameter fisika dan kimia kualitas air untuk mengontrol kondisi parameter biologi kualitas air agar dapat meningkatkan kinerja produksi udang vaname. Untuk mengetahui nilai estimasi dari suatu objek, dapat digunakan model
prediktif.
Model prediktif merupakan suatu model yang digunakan untuk memprediksi suatu objek dengan menggunakan variabel tertentu. Model tersebut diharapkan dapat digunakan sebagai acuan untuk mengontrol kondisi parameter biologi kualitas air dengan menggunakan pola data parameter fisika dan kimia air yang terbentuk, sehingga penyesuaian dapat dilakukan lebih cepat. Pembuatan model
prediktif tersebut dapat dilakukan dengan penerapan extreme gradient boosting (XGB). Namun, penelitian terkait monitoring dan evaluasi kualitas air budidaya udang vaname menggunakan XGB belum dilakukan. Berdasarkan kondisi tersebut, perlu dilakukannya penelitian terkait monitoring dan evaluasi parameter fisika dan kimia kualitas air untuk mengontrol kondisi parameter biologi kualitas air agar dapat meningkatkan kinerja produksi udang vaname menggunakan XGB.
Penelitian dilaksanakan di tambak udang PT Indonusa Yudha Perwita. Jumlah kolam yang dimonitor sebanyak 18. Model prediktif dibentuk dari data yang terkumpul. Data yang terkumpul dibagi menjadi dua bagian yaitu data latih dan data uji dengan perbandingan 75:25. Model prediktif yang terbentuk didesain agar hasil prediksi tidak underfitting dan overfitting. Hal tersebut dilakukan dengan cara
mempertimbangkan bias dan variants data. Nilai bias diperoleh dari kesalahan prediksi data latih, sedangkan variants ditentukan dari kesalahan prediksi data uji. Efisiensi prediksi kelimpahan plankton di tambak udang vaname dipengaruhi oleh pemilihan kombinasi fitur yang tepat. Penggunaan metode pemilihan fitur dapat membantu dalam mengurangi variants. Fitur diseleksi menggunakan principal
component analysis (PCA). Kinerja masing-masing model dievaluasi melalui koefisien determinasi data yang diamati dan diprediksi (R2). Nilai R2 setelah dilakukan pemilihan parameter kualitas air menggunakan PCA adalah 0,766. Nilai tersebut lebih tinggi dibandingkan sebelum dilakukan pemilihan parameter menggunakan PCA yaitu sebesar 0,549.
Komposisi fitoplankton pada kolam yang diamati mengalami fluktuasi pada saat pengamatan. Kelimpahan fitoplankton juga mengalami fluktuasi selama monitoring. Kolam yang dipanen setelah 7 minggu pemeliharaan adalah kolam E5 dan kolam E6. Tingkat kemiripan kedua kolam tersebut berdasarkan karakteristik fitoplankton yaitu 96,98 %. Kedua kolam tersebut memiliki kelimpahan fitoplankton yang rendah.
Parameter kualitas air utama yang berperan pada penelitian ini diantaranya DO malam, pH siang, kecerahan pagi, nitrat, dan nitrit. Monitoring dan evaluasi kualitas air budidaya udang vaname di tambak udang dapat dilakukan menggunakan XGB dengan nilai R2 sebesar 0,766. Pola nilai prediksi kelimpahan plankton mendekati pola kelimpahan aktual plankton hasil pengukuran. | id |
