BENCHMARKING ARSITEKTUR HYBRID DOUBLE-STAGE (ARIMAX FNN DAN SVR-FNN) UNTUK PREDIKSI PERTUMBUHAN IKAN NILA PADA LINGKUNGAN AKUAKULTUR TERKONDISI BERBASIS IOT

Junior, Agung Tantowi (2026) BENCHMARKING ARSITEKTUR HYBRID DOUBLE-STAGE (ARIMAX FNN DAN SVR-FNN) UNTUK PREDIKSI PERTUMBUHAN IKAN NILA PADA LINGKUNGAN AKUAKULTUR TERKONDISI BERBASIS IOT. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (1MB)
Preview	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (264kB) | Preview
	Text (BAB I Pendahuluan) BAB I.pdf - Published Version Restricted to Repository staff only Download (377kB) | Request a copy
	Text (BAB II Tinjauan Pustaka) BAB II.pdf - Published Version Restricted to Repository staff only Download (986kB) | Request a copy
	Text (BAB III Metodologi Penelitian) BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV Hasil dan Pembahasan) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V Penutup) BAB V.pdf - Published Version Restricted to Repository staff only Download (299kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (231kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Sistem budidaya ikan nila memerlukan pemantauan kualitas air secara berkelanjutan untuk menjaga stabilitas lingkungan dan mendukung pertumbuhan optimal. Penelitian ini merancang sistem smart aquaculture berbasis Internet of Things (IoT) untuk memantau suhu, pH, dan dissolved oxygen (DO), serta membangun model prediksi pertumbuhan ikan nila menggunakan arsitektur hybrid double-stage. Data yang diperoleh diproses melalui sinkronisasi temporal, interpolasi linier, deteksi outlier dengan Interquartile Range (IQR), dan normalisasi Min-Max Scaler. Pemodelan dilakukan dengan membandingkan ARIMAX dan SVR sebagai baseline, kemudian dikombinasikan dengan Feedforward Neural Network (FNN) sebagai residual error corrector. Evaluasi menggunakan RMSE, MAE, MAPE, dan R² menunjukkan bahwa ARIMAX menghasilkan RMSE 0.3841, MAE 0.3429, MAPE 1.116%, dan R² 0.9721, sedangkan ARIMAX-FNN meningkatkan performa menjadi RMSE 0.2737, MAE 0.2393, MAPE 0.776%, dan R² 0.9858. Sebaliknya, SVR-FNN mengalami penurunan performa. Berdasarkan benchmarking dan Error Reduction Rate (ERR), ARIMAX-FNN menjadi model terbaik untuk prediksi pertumbuhan ikan nila dalam sistem akuakultur cerdas.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Smart aquaculture, Internet of Things (IoT), ARIMAX, Support Vector Regression (SVR), Feedforward Neural Network (FNN), Double-stage hybrid, Prediksi pertumbuhan ikan nila
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	07 Aug 2026 07:23
Last Modified:	07 Aug 2026 07:23
URI:	http://eprints.polsri.ac.id/id/eprint/24702

Actions (login required)

View Item