SISTEM PREDIKSI PRODUKSI UDANG VANAME MENGGUNAKAN ALGORITMA MULTIPLE LINEAR REGRESSION (MLR) KOMBINASI GRADIENT DESCENT (GD) DENGAN APACHE SPARK
| Main Author: | Prabowo Juliastoro, Wicky |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/184964/1/Wicky%20Prabowo%20Juliastoro.pdf http://repository.ub.ac.id/184964/ |
Daftar Isi:
- Udang vaname merupakan udang budidaya tambak pengganti udang windu yang digemari oleh masyarakat Indonesia karena memiliki harga yang ekonomis dan memiliki prospek dan profit yang menjanjikan. Budidaya udang vaname tergolong mudah sedikit susah dibandingkan dengan udang windu. Udang vaname rentan terhadap serangan penyakit seperti White Faces Syndrome (WFS) dan White Spot Syndrome (WSS) yang mengakibatkan kematian dan menurunnya jumlah produksi yang dihasilkan. Penurunan hasil produksi juga diakibatkan karena manajemen kualitasi air yang tidak baik seperti sirkulasi air yang buruk, pembersihan kolam yang tidak teratur, dan pemberian pakan yang berlebihan sehingga membuat kualitas air menurun. Maka dari itu, diperlukan algoritma yang dapat meprediksi hasil produksi udang vaname berdasarkan kualitas air yang digunakan agar para pelaku budidaya dapat mengambil tindakan pencegahan terhadap masalah yang terjadi. Pada penelitian ini, proses prediksi dilakukan menjadi beberapa proses yaitu, pre-processing, normalisasi data, prediksi, dan perhitungan nilai galat. Pada proses prediksi algoritma yang digunakan ialah Multiple Linear Regression (MLR) kombinasi Gradient Descent (GD) dengan Apache Spark dan pada proses perhitunggan nilai galat menggunakan metode Root Means Square Error (RMSE). Hasil dari penelitian ini berdasarkan proses pengujian menggunakan data kualitas air untuk 1 kali panen tambak milik mitra FPIK UB di Lamongan yang terdiri 18 parameter pada 4 kolam berbeda diperoleh nilai RMSE sebesar 210.634 dan nilai Adjusted R-Squared sebesar 0.8341dengan persentase data training dan testing 70%:30%, jumlah fitur sebanyak 18, nilai alpha sebesar 0,33, nilai galat sebesar 0,01 dan jumlah node sebanyak 6.